13091 ورقة بحثية
تقترح هذه الورقة مُكيِّفًا وقتيًّا معززًا بالاسترجاع يستفيد من مجموعة دعم قليلة العينات من الصور الموضحة بالبكسل لدمج الميزات النصية والبصرية، مما يجسّر بفعالية فجوة الأداء بين التجزئة مفتوحة المفردات في حالة عدم وجود بيانات مسبقة (zero-shot) والتجزئة الخاضعة للإشراف الكامل، مع الحفاظ على القدرة على التعرف على فئات عشوائية.
تجادل هذه الورقة بأن قيود الاستنتاج في نماذج الرؤية واللغة تنبع من انحياز التقرير في بيانات التدريب التي تغفل المعلومات الضمنية، مما يثبت أن مجرد زيادة حجم النماذج أو البيانات لا يمكن أن يتغلب على هذه المشكلة، وأن التقييم المتعمد للتعليقات التوضيحية التي تلتقط مثل هذه التفاصيل ضروري للتحسين.
تقترح هذه الورقة البحثية طريقة PLADA، التي تقلل تكاليف نقل مجموعات البيانات بشكل جذري إلى أقل من 1 ميجابايت عبر إرسال تسميات الفئات فقط لمجموعة بيانات مرجعية محملة مسبقاً، وذلك باستخدام آلية تقليم لتصفية الصور ذات الصلة دلالياً وتحقيق دقة تصنيف عالية دون نقل بيانات البكسل الخام.
تقترح هذه الورقة خوارزمية للكشف عن الحركة في الوقت الفعلي لمقاطع الفيديو المتدفقة تستخدم تحليل التفكيك النمطي الديناميكي لتحديد حركة المقدمة من خلال تحليل التوافق بين تطور سمات الفيديو والقيم الذاتية للمصفوفة الناتجة، مما يثبت فعاليتها في لقطات الأمن عبر تحليل منحنى خصائص التشغيل (ROC) والتحقق المتقاطع.
يُعد PoseAdapt إطار عمل ومجموعة معايير مفتوحة المصدر تُمكّن من تقدير وضعية جسم الإنسان بشكل مستدام عبر توفير بروتوكولات موحدة للتعلم المستمر، مما يسمح للنماذج بالتكيف مع المجالات والأنماط ومجموعات النقاط المفتاحية المتغيرة بأقل قدر من الإشراف ودون الحاجة إلى إعادة تدريب كامل مكلف حاسوبياً.
تقدم هذه الورقة "رينيسانس" (Renaissance)، وهو إطار تقييم مرن للرؤية واللغة، لتوضيح أنه من خلال التحليل التلوي أن تجميد أجزاء كبيرة من النماذج أثناء التدريب المسبق يقلل بشكل كبير من تكاليف الحوسبة مع تأثير ضئيل على الأداء، وللتحقيق في آثار تهيئة نماذج المحولات للرؤية واللغة إما من نماذج الرؤية أو نماذج النصوص.
تقترح هذه الدراسة وتتحقق من صحة إطار عمل لتتبع الأجسام بتوجيه رؤيوي للمركبات السطحية غير المأهولة (USVs) في البيئات البحرية المعقدة عبر إجراء مقارنة معيارية لسبعة من خوارزميات التتبع القائمة على التعلم العميق وخوارزميات التحكم، لتحدد في النهاية أن نموذج (SeqTrack) القائم على المحولات (Transformer) ومتحكم المنظم الخطي التربيعي (LQR) هما الحل الأكثر قوة للتتبع المستقر في الظروف القاسية.
تقدم هذه الورقة البحثية OC-STORM، وهو إطار عمل للتعلم التعزيزي القائم على النموذج وذو توجه كائني، يستفيد من الإطارات المشروحة بعدد قليل من العينات والتقسيم المسبق التدريب لتحسين كفاءة العينات وتوقع الديناميكيات في البيئات البصرية المعقدة، متفوقاً بذلك على النماذج المرجعية الحالية في اختبارات Atari 100k وHollow Knight.
تقدم هذه الورقة البحثية VOILA، وهو معيار ديناميكي يقيم قدرة النماذج اللغوية الكبيرة متعددة الوسائط على إجراء الاستدلال العلائقي التجريدي من خلال القياسات البصرية، مما يكشف أن النماذج الحالية تعاني بشكل كبير في العلاقات بين الصور مقارنة بالأداء البشري رغم التحسينات الناتجة عن استراتيجيات التلقين متعدد الخطوات.
يُظهر نموذج TRACE أن نماذج الانتشار من النص إلى الصورة تُشفّر بطبيعتها أولويات حدود الكائنات، مما يُمكّن من طريقة تجزئة غير خاضعة للإشراف وسريعة تستخرج الحواف من خرائط الانتباه الذاتي لتحقيق أداء رائد دون الحاجة إلى تعليقات توضيحية مكلفة على مستوى الكائن.