13091 ورقة بحثية
تقدم هذه الورقة نموذجاً لغوياً-بصرياً مضبوطاً بدقة يستفيد من الصور اللونية أحادية العدسة (RGB)، واللغة الطبيعية، وحالات الروبوت لتقدير مواضع الأجسام ثلاثية الأبعاد للتفاعل بين الإنسان والروبوت، محققاً متوسط خطأ قدره 13 ملم ومتفوقاً بشكل كبير على النماذج المرجعية غير المضبوطة بدقة.
تقدم هذه الورقة AgilePruner، وهو إطار عمل تكيفي لتقليم الرموز البصرية لنماذج الرؤية واللغة الكبيرة، يستفيد من الرؤى التجريبية حول نقاط القوة المتكاملة للطرق القائمة على الانتباه والطرق القائمة على التنوع لتقليل العبء الحسابي مع التخفيف من الهلوسة عبر مختلف مستويات تعقيد الصور.
تقترح هذه الورقة طريقة لتحسين عمليات إعادة بناء التصوير المقطعي الحاسوبي القائمة على الانتشار السريع من بيانات متفرقة عبر دمج وسيط تصوير تكميلي (مثل التصوير المقطعي بالأشعة السينية) كإشارة توجيه دون الحاجة إلى إعادة تدريب نموذج الانتشار المسبق.
تُعد FoSS إطار عمل ثنائي الفروع يدمج تحليل فوريه في النطاق الترددي مع نماذج فضاء الحالة الانتقائية ذات الزمن الخطي لتحقيق دقة متطورة في التنبؤ بالمسارات على معايير Argoverse مع تقليل التعقيد الحسابي ومعلمات النموذج بشكل كبير.
تقدم هذه الورقة دراسة منضبطة تُظهر أن التعلم التعزيزي يعمل أساساً على صقل توزيعات المخرجات وتحسين كفاءة أخذ العينات في نماذج الرؤية واللغة الطبية فقط بعد أن ينجح الضبط الدقيق الخاضع للإشراف في إرساء دعم استدلالي غير ضئيل، مما يؤدي إلى وصفة تدريب واعية بالحدود تحقق أداءً قوياً عبر المعايير الطبية.
تقدم هذه الورقة تقييماً مقارناً لنماذج التعلم الخاضع للإشراف ونماذج الرؤية ذات المفردات المفتوحة لفهم مشاهد ما بعد الكوارث عبر مجموعات بيانات متعددة، وتخلص إلى أنه بينما توفر النماذج التأسيسية مرونة، يظل التدريب الخاضع للإشراف هو النهج الأكثر موثوقية للكشف بدقة عن الأجسام الصغيرة وتحديد المعالم في مشاهد الكوارث المزدحمة عند توفر التوصيفات.
تقترح الورقة البحثية NVB-Face، وهو إطار عمل جديد أحادي المرحلة يقوم مباشرة بتوليد صور وجوه ذات منظور جديد، عالية الجودة ومتسقة، من مدخل واحد متدهور (أعمى) عبر استخراج الميزات وتحويلها إلى تمثيلات كامنة مدركة ثلاثي الأبعاد من خلال نموذج انتشار، متفوقاً بذلك على مسارات الاستعادة والتركيب التقليدية ثنائية المرحلة.
تُعد MixerCSeg بنية معمارية فعالة ومتطورة لتقسيم الشقوق، حيث تدمج تحليل النسيج المحلي الشبيه بالشبكات العصبية الالتفافية (CNN)، ونمذجة الاعتماد العالمي بأسلوب المحولات (Transformer)، ومعالجة السياق المتسلسل المستوحى من نموذج مامبا (Mamba) ضمن مشفر موحد، معزز بوحدات متخصصة لإدراك الحواف والدمج متعدد المقاييس لتحقيق أداء عالٍ بأقل تكلفة حوسبية.
تقترح هذه الورقة البحثية طريقة AOT، وهي طريقة لا تتطلب تدريباً تعمل على تحسين تقليل الرموز (tokens) في نماذج اللغات الكبيرة للفيديو عبر إنشاء ركائز رموز محلية وعالمية وتجميع السياقات المعلوماتية عبر النقل الأمثل للتخلص بكفاءة من الحشو مع الحفاظ على الدقة المكانية والزمانية.
تُثبت هذه الورقة أن فعالية خلط الرموز العالمي (global token mixing) في ترميم صور الرنين المغناطيسي تعتمد بشكل كبير على المهمة، حيث تُظهر أنه في حين تكفي الشبكات العصبية التلافيفية ذات البوابات المحلية (local gated CNNs) لمهام إعادة البناء والتحسين الفائق (super-resolution) المقيدة بالفيزياء أو ببيانات التردد المنخفض المحفوظة، فإن النماذج العالمية تتفوق في مهام إزالة الضجيج التي تنطوي على ضجيج متباين الخواص مكانياً (spatially heteroscedastic noise).