13091 ورقة بحثية
تقدم هذه الورقة نموذج انتشار فيديو مدرك للهدف يقوم بتوليد فيديوهات لممثلين يتفاعلون مع أشياء محددة عبر أقنعة التجزئة والمطالبات النصية، وذلك باستخدام رمز متخصص وآلية انتباه تقاطعي مضبوطة بدقة لتمكين التخطيط الدقيق للتفاعل بين الإنسان والشيء لتطبيقات مثل تخليق الحركة ثلاثية الأبعاد وإنشاء الفيديو طويل الأمد.
يُعد AdaRank إطار عمل مبتكر لدمج النماذج يقوم بتقليم المكونات المفردة الضارة لمتجهات المهام بشكل تكيفي أثناء وقت الاختبار عبر تقليل الإنتروبيا للتخفيف من التداخل بين المهام وتحقيق أداء رائد عبر مختلف الهياكل الأساسية وتكوينات المهام.
تقدم هذه الورقة البحثية VR-FuseNet، وهو نموذج تعلم عميق هجين يدمج بنيتي VGG19 وResNet50V2 مع مجموعة بيانات متعددة المصادر متوازنة ومعالجة مسبقاً وتقنيات الذكاء الاصطناعي القابل للتفسير لتحقيق دقة تبلغ 91.824% وكشف قابل للتفسير سريرياً لمرض اعتلال الشبكية السكري.
تجادل هذه الورقة بأن نماذج الرؤية الحاسوبية المستخدمة في علوم البيئة والأحياء يجب أن تُقيّم باستخدام مقاييس خاصة بالتطبيقات بدلاً من معايير تعلم الآلة القياسية، وتثبت من خلال دراسات حالة حول وفرة الشمبانزي وتقدير نظرات الحمام أن الأداء التقني العالي لا يضمن الدقة في التحليلات العلمية اللاحقة.
تُعد DeepEyes نموذجاً لغوياً بصرياً ضخماً يستفيد من التعلم المعزز لتعلم "التفكير بالصور" بشكل أصيل من خلال الإدراك النشط، مما يمكنه من ربط الاستدلال بالمعلومات البصرية استراتيجياً دون الحاجة إلى بيانات استدلال مجمعة مسبقاً، ويحقق تحسينات كبيرة في مهام الإدراك والاستدلال والربط.
تقدم هذه الورقة البحثية DTR، وهو دفاع مبتكر أثناء وقت الاستدلال يعمل على إعادة وزن الرموز البصرية ديناميكيًا من خلال تحسين مخازن المفتاح-القيمة (key-value caches) للتخفيف بفعالية من هجمات الاختراق متعددة الوسائط في النماذج اللغوية البصرية مع الحفاظ على القدرات العامة والكفاءة.
تقدم هذه الورقة دوال نواة احتمالية حتمية قائمة على الإسقاط لاختبار الزوايا السريع في الفضاءات عالية الأبعاد، والتي تلغي الافتراضات التقاربية وتحقق إنتاجية استعلام أعلى بمقدار 2.5 إلى 3 أضعاف من خوارزمية HNSW في البحث عن أقرب جار تقريبي.
تقدم الورقة البحثية Point-MoE، وهو إطار عمل "خليط من الخبراء" (Mixture-of-Experts) يتيح تدريباً مشتركاً فعالاً واسع النطاق لنماذج التجزئة الدلالية ثلاثية الأبعاد عبر مجموعات بيانات متنوعة وغير مصنفة، وذلك باستخدام موجه خفيف الوزن لتعيين الرموز (tokens) ديناميكياً لخبراء متخصصين، مما يتغلب على تدهور الأداء الناتج عن الخلط الساذج للبيانات ويحقق نتائج رائدة دون الحاجة إلى تسميات خاصة بكل مجموعة بيانات.
تقدم هذه الورقة OmniSpatial، وهو معيار مرجعي شامل قائم على علم النفس المعرفي يضم أكثر من 8.4 ألف عينة مشروحة عبر أربع فئات رئيسية، والذي يكشف عن قصور كبير في قدرات الاستدلال المكاني لنماذج الرؤية واللغة الحالية ويستكشف استراتيجيات مثل PointGraph وSpatialCoT لمعالجتها.
تتناول هذه الدراسة تحدي التنبؤات المفرطة في الثقة في تصنيف الحيوانات ضمن العالم المغلق من خلال إثبات أن طرق اكتشاف التوزيع الخارج عن النطاق القائمة على الميزات، ولا سيما طريقة "متوسط أقرب فئة" (Nearest Class Mean) باستخدام ميزات مدربة مسبقًا على مجموعة بيانات "إيميج نت" (ImageNet)، تتفوق بشكل كبير على التقنيات الحالية في تحديد أنواع الحياة البرية غير المعروفة في سياق "الخمسة الكبار" في أفريقيا.