12944 ورقة بحثية
يُعد FLoC إطار عمل لا يتطلب تدريباً ومستقلاً عن النماذج، حيث يستفيد من دالة تحديد الموقع (facility location function) وخوارزمية جشعة كسولة (lazy greedy algorithm) لاختيار مجموعة فرعية مدمجة ومتنوعة من الرموز المرئية (visual tokens) لفهم الفيديو الطويل بكفاءة، مما يقلل التكاليف الحسابية بشكل كبير مع الحفاظ على أداء يقارب المثالية عبر مختلف المعايكات.
يُعد DAP مخططاً تكرارياً مدمجاً يعتمد على الرموز المنفصلة، يقوم بالتنبؤ المشترك بالدلالات في منظور الرؤية من الأعلى (BEV) ومسارات المركبة ذاتية القيادة مع الضبط الدقيق باستخدام التعلم التعزيزي، محققاً أداءً هو الأفضل في فئته على معايير قياس القيادة الذاتية رغم ميزانية محدودة تبلغ 160 مليون معلمة.
تقدم هذه الورقة FlashCache، وهو إطار عمل لضغط ذاكرة التخزين المؤقت لـ KV موجه بنطاق التردد يعمل على تحديد وحفظ "قيم KV الشاذة" الحرجة مع الاستفاء من الترشيح منخفض التردد وتخصيص الميزانية الديناميكي لتحقيق تسريع كبير في الاستدلال وتقليل الذاكرة في النماذج اللغوية الكبيرة متعددة الوسائط دون المساس بالأداء.
تقدم الورقة البحثية "المراقب-المؤدي" (ObAct)، وهو إطار عمل جديد للرؤية النشطة في تعلم التقليد للروبوتات ثنائية الأذرع، والذي يقوم ديناميكياً بتعيين ذراع واحدة لبناء تمثيل "Gaussian Splatting" ثلاثي الأبعاد وتحديد زوايا الرؤية المثلى للذراع الأخرى، مما يعزز بشكل كبير من قوة الأداء وكفاءة السياسة من خلال تقليل حالات الحجب مقارنة بإعدادات الكاميرا الثابتة.
يقدم RadarVLM إطار عمل موحداً للرؤية واللغة لفهم مشاهد الرادار، والذي يستفيد من مجموعة بيانات واسعة النطاق من أزواج الرادار والتعليقات النصية ومن هدف CLIP المرتكز مكانياً والمبتكر لتحقيق تحسينات كبيرة في الاستدلال المكاني وأداء التجزئة عبر سيناريوهات القيادة المتنوعة.
يُعد PowerCLIP إطار عمل جديدًا للتدريب المسبق التبايني يعزز الفهم التركيبي من خلال المحاذاة الشاملة لمجموعات القوى الخاصة بمناطق الصور مع الأشجار الإعرابية النصية، مستخدمًا مجمعات غير خطية فعالة للتغلب على التكلفة الحسابية الأسية لبناء مجموعات القوى الساذجة مع تحقيق أداء رائد في مهام الرؤية واللغة الصفرية.
تقدم هذه الورقة مجموعة بيانات EgoCampus ونموذج EgoCampusNet لمعالجة تحدي التنبؤ بنظرة عين المشاة من منظور الشخص الأول في الملاحة الخارجية في العالم الحقيقي، وذلك عبر الاستفادة من مجموعة واسعة ومتنوعة من مقاطع الفيديو المسجلة والموسومة ببيانات نظرة العين والتي تم التقاطها عبر نظارات Project Aria من Meta.
تقدم هذه الورقة FluenceFormer، وهو إطار عمل مكون من مرحلتين يعتمد على الـ Transformer، يستفيد من فقدان الانحدار المدرك للتدفق (Fluence-Aware Regression loss) والمستند إلى الفيزياء، لتحقيق تنبؤ متفوق لخرائط التدفق (fluence maps) مدرك للهندسة في التخطيط للعلاج الإشعاعي، متفوقاً بشكل ملحوظ على طرق الشبكات العصبية الالتفافية (CNN) والطرق أحادية المرحلة في الحفاظ على الطاقة والدقة الهيكلية.
تقدم هذه الورقة البحثية EPD-Solver، وهو حلّال معادلات تفاضلية عادية (ODE) متوازٍ ومبتكر يعمل على تسريع عملية أخذ عينات نماذج الانتشار من خلال الاستفادة من تقييمات التدرج المتوازية المستقلة وإطار عمل للتعلم التعزيزي كفء في المعلمات لتقليل أخطاء البتر بشكل كبير مع الحفاظ على جودة الصور في توليد الصور من النصوص.
تقدم هذه الورقة البحثية EGAgent، وهو إطار عمل وكيل يعتمد على الرسوم البيانية لمشاهد الكيانات وأدوات بحث هجينة لتمكين الاستدلال التركيبي واسترجاع المعلومات بمستوى رائد فوق تدفقات الفيديو من منظور الشخص الأول المستمرة والمتعددة الأيام، معالجةً بذلك أوجه القصور في النماذج الحالية في فهم الفيديو طويل المدى.