13104 ورقة بحثية
يقدم Le-DETR عمودًا فقريًا فعالًا (EfficientNAT) ومشفرًا هجينًا مُعاد تصميمُه لتحقيق أداء رائد في اكتشاف الأشياء في الوقت الفعلي مع تقليل تكاليف التدريب المسبق بشكل كبير، مما يلغي الحاجة إلى التدريب المسبق المكلف مع التفوق على النماذج الرائدة مثل YOLOv12 وDEIM-D-FINE في كل من الدقة والسرعة.
تُعد MIP Candy إطار عمل مفتوح المصدر يعتمد على PyTorch ومبنياً على نظام الوحدات (modular)، صُمم لتبسيط معالجة الصور الطبية عبر توفير مسار عمل كامل ومرن يوازن بين سهولة التنفيذ والتحكم الدقيق من خلال ميزات مثل التكوين المؤجل، والتتبع المكثف للتجارب، ونظام الحزم المسبقة البناء.
تقترح هذه الورقة طريقة آلية لوضع المستشعرات تستخدم محاكاة مسارات الشاغلين والبرمجة الخطية الصحيحة لتحديد التخطيطات المثلى لمستشعرات زمن الطيران التي تحافظ على الخصوصية، وذلك بهدف تعظيم دقة عد إشغال المناطق في الوقت الفعلي في البيئات التجارية.
تقدم هذه الورقة UDVideoQA، وهي مجموعة بيانات مرجعية واسعة النطاق تحافظ على الخصوصية ومستمدة من لقطات حركة المرور الحضرية في العالم الحقيقي، وتتميز بـ 28 ألف زوج من الأسئلة والأجوبة لتقييم الاستدلال الزماني المكاني متعدد الكائنات، مما يكشف عن فجوة كبيرة بين الإدراك والاستدلال في النماذج الحالية مع إثبات أن الضبط الدقيق للنماذج مفتوحة المصدر الأصغر حجماً يمكن أن يحقق أداءً مماثلاً للأنظمة المملوكة.
تقترح هذه الورقة إطار عمل لاسترجاع النصوص إلى الصور قابل للتحكم في الجودة، يستفيد من النماذج اللغوية التوليدية لإثراء استعلامات المستخدم القصيرة والغامضة بتفاصيل سياقية وقيود جودة صريحة، مما يؤدي إلى تحسين أداء الاسترجاع وتمكين نتائج قابلة للتوجيه وشفافة دون تعديل نماذج الرؤية واللغة الموجودة.
يُعد Mask-HybridGNet إطار عمل جديد للتقسيم القائم على الرسوم البيانية (graph-based) يلغي الحاجة إلى تعليقات المعالم اليدوية (manual landmark annotations) من خلال التدريب مباشرة على الأقنعة القياسية لكل بكسل (pixel-wise masks)، مما يُمكّن النماذج القائمة على الرسوم البيانية من تحقيق أداء تنافسي مع تعلم ارتباطات تشريحية متسقة عبر المرضى بشكل طارئ.
تقدم هذه الورقة "التخطيط التأملي أثناء وقت الاختبار" (Reflective Test-Time Planning)، وهو إطار عمل يعزز النماذج اللغوية الكبيرة المتجسدة من خلال دمج "التأمل أثناء الفعل"، و"التأمل في الفعل"، و"التأمل الاسترجاعي" لتحويل التجربة والخطأ المتكررة إلى خبرة تراكمية، مما يؤدي إلى تحسين أداء المهام طويلة المدى وتصحيح السلوك بشكل كبير.
تقدم الورقة البحثية Squint، وهي طريقة سريعة للتعلم التعزيزي البصري تجمع بين المحاكاة المتوازية، والناقد التوزيعي، وتقنيات التدريب المُحسّنة لتحقيق تقارب سريع في وقت التشغيل الفعلي ونقل ناجح من المحاكاة إلى الواقع على مجموعة جديدة من مهام المناولة باستخدام وحدة معالجة رسوميات واحدة.
تقترح الورقة البحثية "Face Pyramid Vision Transformer (FPVT)"، وهي بنية مبتكرة تدمج تقنيات تقليل الأبعاد المكانية، وتقليل الأبعاد، وتحسين تضمين الرقع (patch embedding)، وشبكة تغذية أمامية تلافيفية (convolutional feed-forward network) لتحقيق أداء رائد في التعرف على الوجوه بعدد أقل من المعلمات عبر الجمع بفعالية بين نقاط القوة في الشبكات التلافيفية (CNNs) ومحولات الرؤية (Vision Transformers).
تُثبت هذه الورقة أن كلاً من البشر ونموذج "SeCo" الجديد المستوحى بيولوجياً يمكنهما تعلم وتعميم الاستدلال السياقي بسرعة لاستنتاج الأجسام الخفية من المشاهد المحيطة دون إشراف صريح، مما يسلط الضوء على الدور الحاسم للارتباطات السياقية في فهم المشهد.