13091 ورقة بحثية
تقدم هذه الورقة البحثية SymPL، وهو إطار عمل يعيد صياغة مهام الاستدلال المكاني المرتكزة على المنظور الخارجي (allocentric) الصعبة إلى تمثيلات تخطيطية رمزية مهيكلة، مما يعزز بشكل كبير أداء ومتانة النماذج اللغوية البصرية في كل من بيئات المنظور الخارجي والمنظور الذاتي (egocentric).
تقدم الورقة البحثية TraceVision، وهو نموذج رؤية-لغة متكامل (end-to-end) مبتكر يدمج الفهم المكاني المدرك للمسار من خلال وحدة إدراك بصري مدركة للمسار ومسار تدريب متخصص، محققاً أداءً رائدًا في مهام مثل الوصف، والتحديد الموضعي، والتقطيع عبر محاكاة مسارات الانتباه البصري البشري.
تقدم هذه الورقة إطار عمل يستفيد من نماذج الرؤية واللغة لإزالة عناصر الرسوم البيانية (de-render)، والاستنتاج حول عيوب التصميم باستخدام مبادئ التصور المرئي الراسخة، واقتراح تحسينات قابلة للتنفيذ بشكل تكراري لتعزيز جودة التصور المرئي والقدرة على قراءته.
يُعد N4MC إطاراً عصبياً مبتكراً يحقق أداءً فائقاً في معدل التشوه لضغط الشبكات رباعية الأبعاد عبر تحويل تسلسلات الشبكات غير المنتظمة إلى موترات رباعية الأبعاد منتظمة والاستفادة من تعويض الحركة القائم على المحولات لاستغلال التكرار الزمني من أجل فك تشفير فعال وفي الوقت الفعلي.
تقدم هذه الورقة أول إطار عمل لتتبع الدوائر الشفاف في نماذج الرؤية واللغة، باستخدام المحولات (transcoders) ورسوم العزو البيانية للكشف عن الدوائر السببية المسؤولة عن الاستدلال متعدد الوسائط الهرمي والارتباطات عبر الوسائط والتحقق منها والتحكم فيها.
تقدم هذه الورقة مساراً متكاملاً (end-to-end) يدمج تدفقات الفيديو الملتقطة بواسطة الطائرات بدون طيار مع تقنية "Gaussian Splatting" ثلاثية الأبعاد لتحقيق إعادة بناء للمشاهد ثلاثية الأبعاد عالية الدقة ومنخفضة زمن التأخير في الوقت الفعلي، بما يتناسب مع تطبيقات الواقع المعزز والواقع الافتراضي الغامرة، متفوقةً بذلك على النهج التقليدية القائمة على "NeRF" من حيث سرعة التصيير وزمن التأخير مع الحفاظ على جودة بصرية تنافسية.
يُعد BiRQA نموذجاً مدمجاً لتقييم جودة الصور يعتمد على المرجعية الكاملة وثنائي الاتجاه، حيث يحقق دقة تضاهي أحدث ما توصل إليه العلم وسرعة في الوقت الفعلي، مع تعزيز متانة النموذج بشكل كبير ضد الهجمات العدائية من خلال استراتيجية التدريب العدائي المرتكز المبتكرة.
تقدم الورقة البحثية 3DSPA، وهو إطار تقييم آلي غير معتمد على المراجع يستخدم مشفرًا تلقائيًا للنقاط في الفضاء الثلاثي الأبعاد والزماني يدمج مسارات الحركة، والعمق، والميزات الدلالية لتقييم واقعية الفيديو، والاتساق الزمني، والمعقولية الفيزيائية بقوة، متفوقًا بذلك على الأساليب الحالية في التوافق مع الأحكام البشرية.
تقدم هذه الورقة مجالاً جمالياً ثلاثي الأبعاد مرتكزاً على الهندسة يتم تعلمه عبر تقنية "Gaussian Splatting" ثلاثية الأبعاد ذات التغذية الأمامية من لقطات متفرقة، مما يتيح اقتراحات فعالة لوجهات النظر خالية من التعلم المعزز (RL-free) تتفوق على الأساليب الحالية في التأطير والتكوين.
تقدم الورقة البحثية إطار عمل SimLBR، وهو إطار عمل عالي الكفاءة يحسن التعميم عبر المولدات في كشف الصور المزيفة من خلال تعلم حد قرار ضيق حول الصور الحقيقية عبر تنظيم المزج الكامن (Latent Blending Regularization)، بينما يدعو أيضاً إلى مقاييس تقييم أكثر موثوقية ومعدلة حسب المخاطر.