13091 ورقة بحثية
تقدم هذه الورقة إطار عمل لإنشاء نماذج ثلاثية الأبعاد للبشر بدون علامات، وهو إطار عمل قابل للتوسع يستخلص علامات ذات دلالة ميكانيكية حيوية من الفيديو لتقدير معلمات المشي بدقة، مما يظهر توافقاً قوياً مع البيانات المرجعية القائمة على العلامات ويتفوق على طرق تقدير الوضعية التقليدية في التطبيقات السريرية والواقعية.
يُعد NeighborMAE إطار عمل للتعلم الخاضع للإشراف الذاتي يعمل على تعزيز تمثيل صور استشعار الأرض من خلال الاستفادة من التبعيات المكانية بين الصور المتجاورة عبر إعادة البناء المشترك واستراتيجية استدلالية ديناميكية لنسب الحجب وتوزين الخسارة، مما يؤدي إلى أداء فائق عبر مختلف المهام اللاحقة مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة تحليلاً منظماً من الناحية المعلوماتية لـ "الإنتروبيا البؤرية" (focal-entropy)، حيث تؤسس لخصائصها الرياضية وتوضح كيف يعمل "الفقد البؤري" (focal-loss) بشكل جوهري على تغيير التوزيعات الاحتمالية عبر تضخيم الاحتمالات متوسطة المدى مع كبح كل من النتائج عالية الاحتمالية والنتائج منخفضة الاحتمال للغاية في التعلم غير المتوازن للفئات.
يُعد SemGS إطار عمل بنظام التغذية الأمامية يعيد بناء مجالات دلالية ثلاثية الأبعاد قابلة للتعميم من مشاهد نادرة باستخدام بنية ثنائية الفروع ذات طبقات CNN مشتركة وانتباه مدرك للكاميرا، مما يتيح فهماً دلالياً للمشاهد وتوليد مناظر جديدة من زوايا مختلفة بسرعة فائقة وبأداء رائد دون الحاجة إلى تحسين خاص بكل مشهد.
تقترح هذه الورقة VC-STaR، وهو إطار عمل جديد للتحسين الذاتي يستفيد من الأزواج التباينية البصرية للتخفيف من الهلوسة في المبررات التي تولدها النماذج، مما أدى إلى إنتاج مجموعة بيانات VisCoR-55K التي تعزز بشكل كبير قدرات الاستنتاج البصري للنماذج اللغوية الرؤية.
تُظهر هذه الدراسة أن الجمع بين تقنيات تعزيز "التحويل الأفيني العشوائي" (Random Affine) و"تغيير تباين الألوان" (Color Jitter) يعزز بشكل كبير من قدرة نموذج "EfficientViT" خفيف الوزن على التعميم والدقة في التعرف على الحروف البنغالية المكتوبة بخط اليد في مجموعتي بيانات "Ekush" و"AIBangla"، محققاً أعلى مستويات دقة بلغت 97.48% و97.57% على التوالي.
تقدم هذه الورقة البحثية M3IRT، وهو إطار عمل لنظرية الاستجابة للمفردة متعدد الوسائط يقوم بتفكيك قدرة النموذج وصعوبة المفردة إلى مكونات تعتمد على الصور فقط، والنصوص فقط، والمكونات عابرة الوسائط، وذلك لتصفية الأسئلة التي تعتمد على المسارات المختصرة، مما يتيح تقييماً أكثر موثوقية وفعالية من حيث التكلفة للاستدلال الحقيقي عابر الوسائط في النماذج اللغوية الكبيرة متعددة الوسائط.
تقدم الورقة البحثية UNICORN، وهو معيار مرجعي عام موحد يتميز بإطار تقييم معياري مكون من خطوتين ومقياس تجميعي مبتكر لتقييم تعميم النماذج الطبية التأسيسية عبر الوسائط المتعددة والمهام المختلفة بشكل منهجي عبر بيانات تصوير ولغة طبيعية متنوعة من مؤسسات متعددة.
تقدم هذه الورقة NOVA، وهو إطار عمل لتحرير الفيديو غير مقيد بالأزواج يجمع بين توجيهات الإطارات الرئيسية المتفرقة التي يوفرها المستخدم وبين توليد الحركة والنسيج الكثيف، والذي تم تدريبه عبر استراتيجية محاكاة التدهور لتحقيق دقة تحرير عالية واتساق زمني دون الحاجة إلى مجموعات بيانات ضخمة مقترنة.
تتناول هذه الورقة أوجه القصور في نماذج اللغة المرئية في التعرف على التخطيطات المعقدة للطبعات النقدية لليونانية القديمة من خلال تقديم مجموعة بيانات اصطناعية واسعة النطاق ومعيار مرجعي من العالم الحقيقي، مما يثبت أنه بينما يتخلف أداء التعلم الصفري عن الأدوات التقليدية، يمكن للنماذج التي تم ضبطها بدقة مثل Qwen3VL-8B أن تحقق دقة تضاهي أحدث ما توصل إليه العلم.