13133 ورقة بحثية
تقدم الورقة البحثية ControlMLLM++، وهو إطار عمل للتكيف في وقت الاختبار يتيح الاستدلال البصري القائم على المناطق بدقة عالية في النماذج اللغوية الكبيرة متعددة الوسائط المجمدة من خلال تحسين المطالبات البصرية القابلة للتعلم أثناء الاستدلال دون الحاجة إلى إعادة تدريب النموذج أو ضبطه الدقيق.
إن Vinedresser3D هو إطار عمل وكيل يستفيد من نموذج لغوي كبير متعدد الوسائط ونموذج لتحرير الصور لتفكيك النصوص المعقدة وإجراء تحرير ثلاثي الأبعاد دقيق وخالٍ من الأقنعة مباشرة في الفضاء الكامن لنموذج توليد ثلاثي الأبعاد أصلي، مما يضمن توافقاً عالياً مع المطالبات مع الحفاظ على تماسك المناطق غير المحررة.
تقدم هذه الورقة إطاراً حوسبياً متعدد الوسائط يدمج المحاذاة البصرية القائمة على SIFT مع مقاييس مؤشر الجودة الشامل (Universal Quality Index) والمعالجة اللغوية المسبقة لنمذجة التفسير المرجعي البشري، مما يظهر كفاءة ودقة متفوقتين مقارنة بالبشر في تحديد الأهداف ضمن مجموعة بيانات لعبة المرجع المتكرر من ستانفورد (Stanford Repeated Reference Game).
تقدم هذه الورقة مساراً معالجياً يعتمد على الأقمار الصناعية وقابلاً للتوسع باستخدام صور "PlanetScope" والتعلم الآلي للكشف عن المواقع الأثرية المنهوبة في أفغانستان، مما يثبت أن الشبكات العصبية التلافيفية (CNNs) المدربة مسبقاً على "ImageNet" مع استخدام القناع المكاني تتفوق بشكل كبير على التعلم الآلي التقليدي والنماذج الجيومكانية التأسيسية في تحديد بصمات النهب الموضعية.
تقترح هذه الورقة وحدة برمجية فعالة حاسوبياً وقابلة للتشغيل المباشر تعزز قدرة نماذج الرؤية واللغة على الاستنتاج بشأن الأجسام النادرة دون الحاجة إلى ضبط دقيق، وذلك عبر الاستفادة من نماذج الرؤية التأسيسية والنصوص المعززة بالمرادفات لتنقية الرموز البصرية وحقن تلميحات مدركة للأجسام في المطالبات المدخلة.
تقترح هذه الورقة تقنية "تضليل التمثيل عالي المستوى" (HiRM)، وهي مفهوم جديد لمحو المفاهيم يعمل على تضليل التمثيلات الدلالية عالية المستوى للمفاهيم المستهدفة بشكل انتقائي داخل الطبقات المبكرة لمشفر النصوص، وذلك بهدف كبح المحتوى الضار أو المحمي بحقوق الطبع والنشر بفعالية مع الحفاظ على الجودة التوليدية للمفاهيم غير ذات الصلة وضمان التوافق مع بنيات النماذج المتنوعة.
تقترح هذه الورقة طريقة قائمة على الانتشار، خالية من التدريب ومتسقة مع التعرض، تعزز تقنيات إعادة بناء النطاق الديناميكي العالي (HDR) الحالية باستخدام الملء النصي الموجه وRefinement عبر تقنية SDEdit لاستعادة التفاصيل المعقولة في المناطق شديدة التعرض مع الحفاظ على تماسك السطوع عبر الصور متعددة التعرض.
تقدم الورقة البحثية DeepfakeJudge، وهو إطار عمل يعتمد على التمهيد (bootstrapped) يستفيد من النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) لتوليد وتقييم استدلال مخلص ومستند إلى الرؤية البصرية للكشف عن التزييف العميق، محققاً دقة عالية وتوافقاً مع البشر مع التفوق على نماذج مرجعية أكبر بكثير دون الحاجة إلى تسميات استدلال صريحة للحقيقة الأرضية.
تقدم الورقة البحثية Flose، وهو أسلوب توليدي لتقدير الوضعية سداسية الأبعاد (6D pose estimation) يصيغ المهمة كنموذج مطابقة تدفق شرطي في من خلال دمج الميزات الدلالية القائمة على المظهر مع التوجيه الهندسي لحل تناظر الكائنات بفعالية والتفوق على الأساليب الحالية في معيار BOP.
تقدم هذه الورقة البحثية RAP، وهي طريقة سريعة، وتغذية أمامية، وخالية من عملية التصيير، تتنبأ بدرجات أهمية عناصر غاوس ثلاثية الأبعاد الأولية مباشرة من السمات الجوهرية والإحصاءات المحلية، متجاوزةً بذلك قيود القابلية للتوسع والتعميم التي تعاني منها النهج الحالية المعتمدة على الرؤية والتصيير.