13133 ورقة بحثية
تقترح الورقة البحثية US-JEPA، وهو إطار عمل للتعلم الذاتي ذاتي الإشراف يستخدم هدف تدريب كامن غير متماثل ذو معلم ثابت للتغلب على تحديات الضجيج في تصوير الموجات فوق الصوتية، مما يظهر أداءً تنافسيًا ضد النماذج الرائدة في اختبار UltraBench الشامل.
تقدم هذه الدراسة RetinaVision، وهو إطار عمل للتعلم العميق مدفوع بالذكاء الاصطنا تفسيري (XAI) يستخدم بنيتي Xception وInceptionV3 مع تعزيز متقدم للبيانات لتحقيق تصنيف عالي الدقة لأمراض الشبكية من صور التصوير المقطعي للتماسحي البصري (OCT) مع ضمان القابلية للتفسير السريري من خلال GradCAM وLIME.
تقدم الورقة البحثية MentalBlackboard، وهو معيار لتقييم التصور المكاني في النماذج اللغوية البصرية من خلال مهام طي الورق وثقبها، كاشفةً أن حتى النماذج المتطورة تعاني بشكل كبير مع التحويلات المتماثلة والتخطيط متعدد المراحل، حيث تحقق دقة لا تتجاوز 25% في مهام التنبؤ الجوهرية.
تقدم هذه الورقة مهمة تفكيك الطبقات المرجعية (RLD)، المدعومة بمجموعة بيانات RefLade واسعة النطاق ونموذج مرجعي جديد يسمى RefLayer، لتمكين التفكيك الدقيق للصور الفردية من نوع RGB إلى طبقات RGBA قابلة للتعديل بناءً على الأوامر النصية من أجل التحكم المتقدم في المحتوى البصري.
تتقصى هذه الورقة تقارب تمثيلات السلاسل الزمنية والرؤية واللغة، كاشفةً أنه في حين أن المشفرات المدربة مسبقاً بشكل مستقل تكون متعامدة تقريباً، فإن المحاذاة التباينية اللاحقة تتحسن مع حجم النموذج ولكنها تظهر عدم تماثل حيث تتماشى السلاسل الزمنية مع الرؤية بقوة أكبر من النص، كما أن الأوصاف النصية أو البصرية الأكثر ثراءً تحقق عوائد متناقصة بعد تجاوز عتبة كثافة معينة.
تقدم هذه الورقة البحثية "Stair Pooling"، وهي استراتيجية جديدة لتقليل العينات تستبدل خفض الأبعاد العنيف بتسلسل من عمليات التجميع متوسطة المدى ومتعددة الاتجاهات لتقليل فقدان المعلومات وتعزيز التقاط الميزات بعيدة المدى، مما يحسن بشكل كبير دقة التجزئة لبنيات U-Net ثنائية وثلاثية الأبعاد في التصوير الطبي الحيوي.
يُعد CountEx إطار عمل تمييزي جديد للعد البصري يستفيد من مطالبات التضمين والاستبعاد متعددة الوسائط، إلى جانب وحدة صقل الاستعلام التمييزي، لعد الأشياء بدقة في المشاهد المزدحمة عن طريق كبح المشتتات المتشابهة بصرياً بشكل صريح، وهو ما تم التحقق منه بواسطة معيار CoCount الجديد.
تقدم الورقة البحثية CRAFT، وهي طريقة خفيفة الوزن تفصل بين التكيف البصري واللغوي من خلال ضبط المشفرات البصرية باستخدام كتاب رموز منفصل لترسيخ التمثيلات البصرية، مما يحقق مكاسب كبيرة في الأداء في المهام الخاصة بنطاقات معينة دون تعديل النموذج اللغوي أو الحاجة إلى إعادة المحاذاة عبر بنيات مختلفة.
تقدم هذه الورقة البحثية LapFlow، وهو إطار عمل جديد للنمذجة التوليدية يستفيد من تمثيل هرم لابلاتسيان متعدد المقاييس وبنية خليط متوازي من المحولات لتحقيق جودة صورة فائقة واستدلال أسرع بتكاليف حوسبة أقل مقارنة بطرق مطابقة التدفق أحادية المقياس والمتتالية الحالية.
تقدم هذه الورقة MICON-Bench، وهو معيار شامل لتقييم توليد سياق الصور المتعددة في النماذج متعددة الوسائط الموحدة، إلى جانب آلية إعادة توازن الانتباه الديناميكي (DAR) الخالية من التدريب وإطار تقييم مدفوع بنماذج اللغات الكبيرة متعددة الوسائط (MLLM) لتعزيز التماسك عبر الصور وتقليل الهلوسة.