13041 ورقة بحثية
يُعد Vision-Zero إطار عمل قابلاً للتوسع وخالياً من التسميات، يُمكّن نماذج الرؤية واللغة من تحسين ذاتها من خلال ألعاب لعب ذاتي استراتيجية متعددة الوكلاء يتم إنشاؤها من صور عشوائية، وذلك باستخدام خوارزمية تحسين سياسة اللعب الذاتي التكرارية لتحقيق أداء فائق في أحدث التقنيات دون الحاجة إلى تعليق بشري.
تقدم هذه الورقة إطار عمل خالٍ من التدريب لتحرير الصور الموجه بالمكافأة، حيث تصيغ العملية كمسألة تحكم أمثل للمسار، مما يمكن النموذج من تعزيز أهداف محددة مع الحفاظ على دقة الصورة المصدر دون الحاجة إلى تدريب إضافي أو المعاناة من اختراق المكافأة.
تتناول هذه الورقة البحثية أوجه القصور في نماذج توليد الصور الحالية في التعامل مع المرئيات الهيكلية من خلال تقديم إطار عمل شامل يتضمن مجموعة بيانات مكونة من 1.3 مليون زوج، ونموذج VLM-FLUX.1 موحد تم تدريبه باستخدام منهج تعليمي ثلاثي المراحل واستدلال خارجي، ومعيار StructBench مع مقياس StructScore لتقييم وتحسين الدقة الواقعية في توليد الرسوم البيانية والمخططات وتعديلها.
تقدم هذه الورقة "متنبئ المفاهيم الموجه بالأولويات" (PCP)، وهو إطار عمل للتعلم الخاضع للإشراف الضعيف يستفيد من أولويات المفاهيم على مستوى الفئة والانتظام لتمكين تشخيص طبي موثوق وقابل للتفسير دون الحاجة إلى تعليقات توضيحية مكلفة للمفاهيم، متفوقاً بشكل كبير على النماذج المرجعية ذات التعلم الصفري مع مضاهاة النماذج الخاضعة للإشراف الكامل.
تقترح هذه الورقة إطاراً موحداً للتحسين المشترك السلس بين "Gaussian" والشبكة (mesh)، والذي يعمل في آن واحد على تحسين هندسة الشبكة وألوان الرؤوس باستخدام توجيه النسيج والرندرة القابلة للتفاضل لتحقيق عمليات إعادة بناء ثلاثية الأبعاد عالية الجودة مناسبة لمهام التحرير اللاحقة.
يُعد NeuCLIP إطار عمل تحسين مبتكر يعيد صياغة فقدان التباين (contrastive loss) باستخدام التحليل المحدب والمتغير لاستبدال مُقدِّرات المُطَبِّع لكل عينة غير الفعالة بشبكة عصبية مدمجة، مما يُمكِّن من تدريب نماذج CLIP واسعة النطاق بدقة وكفاءة أكبر عبر مجموعات بيانات تتراوح من ملايين إلى مليارات العينات.
يسد "سكالبتور" (Skullptor) الفجوة بين إعادة البناء الفعالة من صورة واحدة وبين التصوير المساحي متعدد الرؤى عالي الدقة، وذلك عبر الجمع بين نموذج للتنبؤ بالأسطح الطبيعية يعتمد على الانتباه عبر الرؤى وبين تحسين التصيير العكسي، لتحقيق إعادة بناء ثلاثية الأبعاد مفصلة للرأس في ثوانٍ معدودة مع تقليل المتطلبات المتعلقة بالكاميرا والحوسبة.
تقدم هذه الورقة البحثية EvalMVX، وهي مجموعة بيانات شاملة من العالم الحقيقي تضم 25 جسماً مع نماذج شبكية (meshes) حقيقية متوافقة تم التقاطها تحت ظروف إضاءة وزوايا رؤية متنوعة، لإنشاء معيار موحد للتقييم والمقارنة الكمية لطرق الاستعادة الخاصة بالرؤية متعددة المناظر العصبية (neural multiview stereo)، والستيريوفوتومتري (photometric stereo)، والاستعادة من الاستقطاب (shape-from-polarization).
تقدم هذه الورقة دراسة موحدة تستقصي بشكل منهجي التفاعلات بين معامل درجة الحرارة ومختلف مكونات التدريب في عملية تقطير المعرفة، مما يقدم إرشادات عملية لاختيار قيم درجة الحرارة المثلى لتحسين أداء الطالب.
تقترح الورقة البحثية إطار عمل ITO، الذي يعزز التدريب المسبق التبايني بين الصور والنصوص من خلال دمج المحاذاة المتعددة متعددة الوسائط مع وحدة دمج خفيفة الوزن وغير مستخدمة أثناء الاستدلال لتقليل الفجوات بين الوسائط والتفوق على النماذج المرجعية الحالية عبر مختلف المعايير.