13091 ورقة بحثية
تقترح هذه الورقة إطار عمل لهجوم عدائي قائم على المفاهيم، يقوم بتوليد أمثلة عدائية متنوعة ومحافظة على المفاهيم من خلال العمل على توزيع احتمالي للمفاهيم بدلاً من تعديل صور فردية، مما يحقق كفاءة هجوم أعلى مع الحفاظ على الهوية أو الفئة الأساسية.
تقترح الورقة البحثية pFedMMA، وهو إطار عمل للتعلم الاتحادي المخصص يستخدم محولات متعددة الأنماط مع إسقاط مشترك عالميًا لتحقيق أفضل مستويات التوازن بين التخصيص والتعميم لنماذج الرؤية واللغة مع الحفاظ على كفاءة الاتصال.
تقدم هذه الورقة BEAST، وهو إطار عمل ذاتي الإشراف وقابل للتوسع يقوم بتدريب نماذج المحولات الرؤيوية مسبقاً باستخدام الترميز التلقائي المقنع والتعلم التبايني الزمني لتمكين تحليل السلوك، وتقدير الوضعية، وتجزئة الحركة بدقة عبر أنواع مختلفة من الكائنات مع حد أدنى من البيانات المصنفة.
تقدم هذه الورقة AMBER-AFNO، وهو معيار مرجعي خفيف الوزن لتجزئة الصور الطبية ثلاثية الأبعاد يستبدل آليات الانتباه الذاتي المكلفة حاسوبياً بمعاملات فوريه العصبية التكيفية لتحقيق تعقيد شبه خطي وأداء رائد على مجموعات البيانات العامة.
تقدم هذه الورقة إطار عمل للتعلم العميق، يُسمى BeeNet، والذي ينجح في إعادة بناء الأشكال الهندسية للأزهار من خلال مجالاتها الكهربائية الناتجة عن المفصليات المشحونة القريبة منها، مما يثبت أن الاستقبال الكهربائي يمكن أن يوفر معلومات مكانية غنية للملقحات.
تقدم الورقة البحثية نموذج Draw-In-Mind (DIM)، وهو نموذج موحد متعدد الوسائط يعيد توازن أدوار المصمم والرسام من خلال إسناد مسؤوليات التصميم صراحةً إلى وحدة الفهم عبر مجموعة بيانات متخصصة من الأزواج ذات السياق الطويل ومخططات تسلسل الأفك "chain-of-thought blueprints"، محققاً أداءً رائدًا في تحرير الصور رغم حجم معاملاته المدمج.
تُثبت هذه الورقة أن التصميم المدروس لدوال التنشيط، وتحديداً من خلال إدخال دوال اللاخطية من نوع (Smooth-Leaky) و(Randomized Smooth-Leaky)، يمثل حلاً خفيف الوزن وغير مرتبط ببنية معينة للحفاظ على اللدونة في النماذج ومنع فقدان التكيف في سيناريوهات التعلم المستمر دون الحاجة إلى سعة إضافية أو ضبط خاص بكل مهمة.
من خلال تطبيق المشفرات التلقائية المتناثرة (Sparse Autoencoders) على نموذج DINOv2، تكشف هذه الدراسة أن المفاهيم الخاصة بمهام معينة تظهر تخصصاً وظيفياً وهندسة غير متناثرة ومتصلة محلياً، مما أدى إلى اقتراح فرضية التمثيل المينكوفسكي (Minkowski Representation Hypothesis)، التي تفترض أن رموز محولات الرؤية (vision transformer tokens) تتشكل من خلال مزيج محدب من النماذج الأصلية (archetypes) ضمن الفضاءات المفاهيمية بدلاً من التناثر الخطي الصارم.
تقدم الورقة البحثية USplat4D، وهو إطار عمل لتقنية "Gaussian Splatting" الديناميكية الواعية بعدم اليقين، والذي يعمل على تقدير عدم اليقين لكل "Gaussian" متغيرة زمنياً لبناء رسم بياني مكاني-زماني، مما يؤدي إلى تحسين استقرار إعادة البناء رباعي الأبعاد أحادي الكاميرا وجودة التركيب من خلال إعطاء الأولوية لإشارات الحركة الموثوقة من المناطق جيدة الملاحظة.
يوفر هذا البرنامج التعليمي نظرة شاملة عن تقنية التقطيع الغاوسي ثلاثي الأبعاد (3D Gaussian Splatting)، حيث يفصل أسسها النظرية، ويتناول أوجه القصور الرئيسية مثل بصمة الذاكرة وخبز الإضاءة، ويستعرض تطبيقاتها المتنوعة في إعادة بناء الأسطح، ونمذجة الشخصيات الرمزية (Avatar)، وتوليد المحتوى.