13091 ورقة بحثية
تُثبت هذه الورقة أن نماذج الذكاء الاصطناعي التوليدية الجاهزة لتحويل الصور إلى صور يمكن إعادة توظيفها ببساطة كمزيلات ضجيج عامة للتغلب بفعالية على مجموعة واسعة من مخططات حماية الصور، متفوقة بذلك على الهجمات المتخصصة وكاشفةً عن ثغرة حرجة في آليات الدفاع الحالية.
تُعد WHOLE طريقة مبتكرة تعيد بناء حركة اليد والجسم بشكل شمولي في فضاء العالم من فيديوهات المنظور الشخصي الصعبة، وذلك عبر الاستفضاء من نموذج توليدي مُتعلم للاستدلال المشترك حول تفاعلاتهما، مما يحقق أداءً رائدًا في التعامل مع حالات الحجب وضمان اتساق العلاقات بين اليد والجسم.
تقترح هذه الورقة نموذج Proto-Caps، وهو نموذج لتصنيف الصور الطبية قابل للتفسير يدمج شبكات الكبسولة (capsule networks)، وتعلم النماذج الأولية (prototype learning)، والمعلومات المميزة لتحقيق دقة تضاهي أحدث ما توصل إليه العلم في التنبؤ بخباثة عقيدات الرئة، مع توفير استدلال بصري قائم على الحالات لغرض التحقق من قبل أطباء الأشعة.
تقدم الورقة البحثية EAGLE، وهو إطار عمل للتعلم العميق يسخر النماذج التأسيسية لتحليل المناطق المعلوماتية في صور علم الأمراض بشكل انتقائي، محققاً أداءً هو الأفضل من نوعه عبر 43 مهمة مع تقليل وقت الحوسبة بنسبة تزيد عن 99% لتمكين سير عمل سريري فوري ومتاح وقابل للتدقيق.
تُعد VisionLogic إطار عمل عصبي-رمزي مبتكر يولد تفسيرات هرمية وفية لنماذج الرؤية عبر تعلم عتبات التنشيط لتشكيل المحمولات، واستنتاج قواعد منطقية على مستوى الفئات، وتأصيل هذه القواعد في مفاهيم بصرية تم التحقق منها سببياً من خلال اختبار الاستئصال.
تعيد هذه الورقة إنتاج خوارزمية CheXNet وتستكشف نماذج التعلم العميق المحسنة على مجموعة بيانات NIH ChestX-ray14، محققةً متوسط مساحة تحت منحنى خصائص تشغيل المستقبِل (AUC-ROC) يبلغ 0.85 ومتوسط درجة F1 يبلغ 0.39 عبر 14 تصنيفاً للأمراض.
تقدم هذه الورقة SpikePingpong، وهو نظام روبوتي جديد لتنس الطاولة يدمج بنية "سريع-بطيء" (Fast-Slow) تجمع بين الرؤية القائمة على النبضات (spike-based vision) للتنبؤ السريع بالمسار مع التعلم بالتقليد للتخطيط الدقيق للحركة، محققاً ضرباً عالي الدقة للكرة في البيئات الديناميكية.
تقدم هذه الورقة البحثية طريقة التوجيه التكيفي للترددات المنخفضة (ALG)، وهي طريقة لا تتطلب تدريباً تعمل على تعزيز ديناميكيات الحركة في توليد الفيديو من الصور عبر تصفية التفاصيل عالية التردد من الصورة الشرطية خلال مراحل إزالة الضجيج المبكرة، مما يمنع النموذج من الإفراط في التكيف مع المظاهر الساكنة مع الحفاظ على جودة الصورة والمواءمة مع النص.
تتناول هذه الورقة نقص البيانات المعيبة التمثيلية لتدريب أنظمة كشف الأعطال القائمة على الذكاء الاصطناي في الملاحة القائمة على الرؤية، وذلك من خلال التوصيف المنهجي لأعطال مستشعر الكاميرا وتقديم إطار محاكاة لإنشاء مجموعة بيانات شاملة من الصور المحقونة بالأعطال لمهام الاستكشاف بين الكواكب.
يُعد FedGIN إطار عمل للتعلم الاتحادي يعالج ندرة البيانات، وانزياح النطاق، والمخاوف المتعلقة بالخصوصية في التصوير الطبي متعدد الأنماط من خلال دمج وحدة تعزيز "الشدة العالمية غير الخطية" (GIN) خفيفة الوزن لتحسين أداء تقسيم الأعضاء عبر الأنماط المختلفة بشكل كبير دون مشاركة بيانات المرضى الخام.