13091 ورقة بحثية
تتناول هذه الورقة البحثية أوجه القصور في الأساليب الحالية الموجهة نحو المخاطر في بناء مجموعات بيانات السلامة متعددة الوسائط من خلال اقتراح مسار جديد ذاتي التكيف موجه نحو الصور يقوم تلقائياً بتوليد مجموعة بيانات سلامة واقعية مكونة من 35 ألف عنصر، وتقديم مقياس تقييم معياري للتحقق من فعاليتها عبر مهام متنوعة.
تقدم هذه الورقة البحثية التدريب المسبق للتعليمات البصرية (ViTP)، وهو نموذج جديد يستفيد من الاستدلال عالي المستوى لتعزيز السمات الإدراكية منخفضة المستوى من خلال التدريب المسبق لنموذج "ترانسفورمر الرؤية" (Vision Transformer) ضمن نموذج رؤية ولغة بشكل كامل من الطرف إلى الطرف، محققاً أداءً هو الأفضل في فئته عبر مختلف معايير الاستشعار عن بعد والتصوير الطبي.
تقدم هذه الورقة أول إطار عمل قائم على الانتشار لإخفاء هوية الوجه بشكل آمن وعكسي، والذي يستخدم التكييف بمفتاح سري لتمكين حماية الهوية عالية الجودة وإعادة البناء المصرح به مع منع إلغاء إخفاء الهوية غير المصرح به.
تقترح هذه الورقة نماذج الانتشار لإزالة الضجيج غير المتزامنة، وهو إطار عمل مبتكر يخصص خطوات زمنية متميزة لكل بكسل على حدة لتمكين المناطق المتعلقة بالمطالبة من الاستفضاء بمعلومات سياقية أكثر وضوحاً من المناطق غير المتعلقة بها، مما يؤدي إلى تحسين المحاذاة بين النص والصورة بشكل كبير.
تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة متعددة الوسائط سابقة التدريب، لا سيما عند تعزيزها باستراتيجيات التلقين ثنائية المراحل التي تستفيد من الأجسام المرجعية، يمكنها اكتشاف وقياس أقطار حبات البرد بفعالية من صور وسائل التواصل الاجتماعي المستمدة من المصادر الجماعية بمتوسط خطأ قدره 1.12 سم، مما يقدم مكملاً واعداً لأجهزة استشعار البرد التقليدية للتقييم السريع للطقس القاسي.
تقدم هذه الورقة البحثية PoSh، وهو مقياس يعتمد على نموذج لغوي كبير (LLM) كحكم وموجه برسم بياني للمشهد (scene graph) لتقييم الأوصاف التفصيلية للصور، وتتحقق من صحته من خلال معيار DOCENT الجديد، مما يظهر ارتباطاً فائقاً مع الأحكام البشرية ومتانة عبر أنواع الصور المتنوعة مقارنة بالمقاييس الحالية.
تحدد هذه الورقة البحثية وتعالج "الاختصارات البصرية" التي تعيب معايير الإجابة على الأسئلة البصرية القائمة على المعرفة متعددة الوسائط من خلال تقديم مجموعة بيانات RETINA، التي تجبر النماذج على التفكير في الكيانات ذات الصلة، واقتراح نموذج MIMIR الذي يستفيد من استرجاع الصور المتعددة للتغلب على هذه القيود.
تقترح الورقة البحثية MedSegLatDiff، وهو إطار عمل فعال للانتشار في الفضاء الكامن يجمع بين المشفر التلقائي التبايني (VAE) وفقدان الإنتروبيا المتقاطعة الموزون لتوليد فرضيات متنوعة لتجزئة الصور الطبية مدركة لعدم اليقين، مع تحقيق أداء رائد على مجموعات بيانات سريرية متعددة.
تقدم هذه الورقة ClimaDrive، وهو إطار عمل لتوليد بيانات شذوذ اصطناعية واقعية فيزيائياً ومتنوعة مناخياً، وتستفيد منه لبناء معيار ClimaOoD، الذي يعزز بشكل كبير من قدرة نماذج تقسيم الشذوذ على التعميم والمتانة في سيناريوهات القيادة الذاتية ذات العالم المفتوح.
تقدم هذه الورقة ThinkRL-Edit، وهو إطار عمل للتعلم التعزيزي المتمحور حول الاستدلال يعزز تحرير الصور القائم على التعليمات من خلال فصل الاستدلال البصري عن التوليف عبر أخذ عينات سلسلة الأفكواب (Chain-of-Thought)، وتجميع المكافآت غير المنحاز، والتقييم باستخدام نماذج اللغات الكبيرة المرئية (VLM) القائم على قائمة التحقق الثنائية للتغلب على القيود في الاستكشاف، ودمج المكافآت، واستقرار المكافأة.