13091 ورقة بحثية
من خلال سبر أغوار نماذج اللغات الكبيرة متعددة الوسائط (LVLMs) باستخدام مجموعة بيانات رسوم بيانية موجهة اصطناعية، تكشف هذه الدراسة أنه بينما يتم ترميز معلومات العقد والبنية خطياً في مرحلة مبكرة في المشفر البصري، فإن تمثيلات الحواف لا تظهر إلا لاحقاً في الرموز النصية للنموذج اللغوي، مما يفسر معاناة هذه النماذج المستمرة مع الفهم العلاقاتي.
تقترح الورقة البحثية SemanticDialect، وهو إطار عمل للكمّنة مختلطة التنسيق ومعتمدة على الدلالة لنماذج محولات الانتشار للفيديو (Video Diffusion Transformers)، يستخدم اختيار التنسيق على مستوى الكتل، وتفكيك التنشيط مع التصحيح المتبقي، وتجميع الرموز الدلالية لتحقيق توليد فيديو عالي الجودة مع تقليل تكاليف الذاكرة والحوسبة بشكل كبير.
تُعد StegaFFD إطار عمل للكشف عن تزييف الوجوه مع الحفاظ على الخصوصية، حيث تقوم بدمج صور الوجوه في صور غطاء طبيعية باستخدام تقنية إخفاء المعلومات (steganography) لتجنب الشبهات، بينما توظف آليات متخصصة للتحلل والانتباه والمحاذاة للكشف بدقة عن عمليات التزييف داخل نطاق الإخفاء رغم التداخل الدلالي.
يُعد GloPath نموذجاً تأسيسياً قابلاً للتوسع ومركزاً على الكيانات، تم تدريبه على أكثر من مليون كبيبة كلوية، وهو يتفوق على الأساليب الرائدة في مهام تقييم الآفات المتنوعة ويكشف عن ارتباطات سريرية مرضية هامة، مما يعزز الترجمة السريرية للذكاء الاصطناعي في علم أمراض الكلى.
تقترح هذه الورقة طريقة شبه مُشرفة فعالة للتكيف بلقطات قليلة لنماذج الرؤية واللغة في التصوير الطبي، والتي تستفيد من البيانات غير المُصنفة لنشر الملصقات الزائفة المستندة إلى النصوص، مما يقلل متطلبات التوسيم بنسبة تزيد عن 50% مع معالجة تحديات عدم توازن الفئات.
تُعد مجموعة بيانات دريسدن (D4D) معياراً شاملاً يضم أكثر من 300,000 إطار و369 سحابة نقاط من جراحات جثث الخنازير، مما يوفر فيديوهات تنظيرية مقترنة بهندسة الضوء المهيكل عالية الجودة لتمكين التقييم الكمي لطرق إعادة البناء رباعي الأبعاد غير الصلب، وتحديد الموقع ورسم الخرائط آنياً (SLAM)، وتقدير العمق في المشاهد الجراحية البطنية الواقعية.
تُعد VIRGi طريقة مبتكرة لإعادة تلوين مشاهد Gaussian Splatting ثلاثية الأبعاد بسرعة وواقعية فوتوغرافية من خلال تفكيك اللون إلى مكونات منتشرة (diffuse) وأخرى تعتمد على زاوية الرؤية، مما يتيح تحريراً في الوقت الفعلي باستخدام صورة واحدة يحافظ على اللمعان الانعكاسي ويتفوق على النهج القائم على NeRF.
تقترح هذه الورقة RL3DEdit، وهو إطار عمل للتعلم التعزيزي يستفيد من مسبقات النماذج التأسيسية ثلاثية الأبعاد من VGGT لتوليد مكافآت جديدة لتحسين التحرير القائم على الانتشار ثنائي الأبعاد، مما يحقق اتساقاً مستقراً متعدد الرؤى في تحرير المشاهد ثلاثية الأبعاد دون الحاجة إلى بيانات تدريب مقترنة.
لمعالجة المقايضة بين السلامة وجودة الصورة في نماذج تحويل النص إلى صورة، يقترح المؤلفون "نقل التنشيط المشروط" (CAT)، وهو إطار عمل يستخدم مجموعة بيانات تباينية وخرائط نقل غير خطية قائمة على الهندسة لتوجيه التنشيطات غير الآمنة دون إضعاف عمليات التوليد السليمة.
تقدم هذه الورقة البحثية ACE-Brain-0، وهو دماغ تأسيسي عام يستفيد من الذكاء المكاني كركيزة عالمية ويوظف نموذج (Scaffold-Specialize-Reconcile - SSR) لتوحيد المهام المتجسدة المتنوعة مثل القيادة الذاتية والروبوتات ضمن نموذج لغوي كبير متعدد الوسائط واحد، محققاً أداءً هو الأفضل في فئته عبر 24 معياراً.