13091 ورقة بحثية
تتناول هذه الورقة البحثية الأداء دون الأمثل لطرق تخليق المشاهد الجديدة ذات العينات القليلة من خلال تقديم آلية لوزن الكاميرا تعمل على ضبط أهمية المشاهد المصدر ديناميكياً بناءً على صلتها الهندسية أو المتعلمة بالمشهد المستهدف، مما يعزز بشكل كبير دقة التخليق وواقعيته.
تقترح هذه الورقة إطار عمل مبتكر لإعادة تحديد هوية الأشخاص بين الجو والأرض يعالج فشل مقاييس التشابه القياسية في ظل التباينات الشديدة في زوايا الرؤية من خلال تقديم وحدة تحويل "الاستعلام-المفتاح" المستحثة هندسياً (GIQT) خفيفة الوزن لتصحيح التشوهات الهندسية صراحةً في فضاء التشابه، مكمّلة بتوليد مطالبات مشروطة هندسياً لضمان مطابقة قوية عبر الرؤى المختلفة.
تقدم الورقة البحثية TimeBlind، وهو معيار تشخيصي يستخدم نموذج الأزواج الدنيا للكشف عن أن حتى النماذج اللغوية الكبيرة متعددة الوسائط المتطورة تعاني في التفكير المكاني الزماني التركيبي دقيق التفاصيل، وغالباً ما تعتمد على اختصارات بصرية ثابتة بدلاً من المنطق الزماني الحقيقي.
تكشف هذه الدراسة أنه في حين تحقق النماذج التأسيسية قدرة على التمييز تضاهي النماذج المتخصصة في مهام محددة للكشف عن إصابات الأمعاء الرضحية في الأشعة المقطعية للبطن، إلا أن فائدتها السريرية محدودة بشكل كبير بسبب قابليتها لعجز في النوعية ناتج عن عدم تجانس الفئة السلبية المربكة، لا سيما عند وجود إصابات متزامنة في الأعضاء الصلبة.
تقترح هذه الورقة إطار عمل لتفكيك الموتر متعدد الرؤى يحلل تضمينات (TimeSformer) لمقاطع فيديو معابر السكك الحديدية لتحديد البصمات السلوكية الكامنة، مما يكشف أن الموقع هو محدد أقوى لأنماط سلوك السائقين من وقت اليوم، ويُمكّن من تدخلات سلامة مستهدفة وقابلة للتوسع.
تقترح هذه الورقة إطار عمل لتعلم الحالات المتعددة (Multiple Instance Learning) منظماً مكانياً، يستفيد من التبعيات المكانية المتأصلة بين سمات الرقع (patch features) كنوع من التنظيم المستقل عن الملصقات (label-independent regularization) للتغلب على تحديات ندرة التوصيفات وعدم استقرار التحسين في تحليل صور الشرائح الكاملة (Whole Slide Image)، محققاً تحسينات كبيرة في الأداء على مجموعات بيانات عامة متعددة.
تقدم هذه الورقة نموذج توليف الرؤية القابل للتوسع (SVSM)، وهو بنية محول من نوع المشفر-المفكك، تضع قوانين قياس جديدة لتوليف الرؤية الخالي من الهندسة، مما يظهر كفاءة حوسبية فائقة وأداءً هو الأفضل في فئته مقارنة بالنهج السابقة التي تعتمد على فك التشفير فقط.
تقدم هذه الورقة إطار عمل لتقسيم الأفعال الزمنية بنظام الصفر المعرفة، مفتوح المفردات، وغير معتمد على التدريب، يستفيد من قدرات نماذج الرؤية واللغة المتنوعة لتقسيم أفعال الفيديو دون إشراف خاص بالمهمة، مما يظهر إمكاناتها القوية للفهم الزمني المهيكل.
تقدم هذه الورقة البحثية معيار WildSVG، الذي يضم مجموعات بيانات واقعية واصطناعية، لمعالجة نقص موارد التقييم لاستخراج رسومات SVG، وتكشف أنه في حين تعاني النماذج متعددة الوسائط الحالية مع الصور الطبيعية المشوشة، فإن طرق التحسين التكراري تقدم مساراً واعداً نحو أداء موثوق.
تقترح هذه الورقة إطار عمل للفك المسبب (causal decoding) يتدخل أثناء عملية التوليد لتخفيف الاعتمادات الزائفة، مما يقلل بفعالية من هلاوس الكائنات في النماذج اللغوية الكبيرة متعددة الوسائط مع الحفاظ على جودة وصفية عالية وتحقيق أعلى مستويات الأمانة (state-of-the-art faithfulness).