13133 ورقة بحثية
تقترح هذه الأطروحة وتتحقق من صحة CLICK-SPOT، وهو إطار عمل للتعلم العميق يستفيد من التحويلات القائمة على المويجات بدلاً من المخططات الطيفية التقليدية لتحسين الكشف والتصنيف التلقائي لنقرات صدى الصوت لدى الحيتانيات في البيئات المائية المعقدة والمليئة بالضجيج.
تقدم هذه الورقة البحثية KPM-Bench، وهي مجموعة بيانات مفتوحة المصدر جديدة ذات تعليقات توضيحية دقيقة للحركة ومجموعة تقييم للهلوسة، إلى جانب خوارزمية MoPE وإطار تدريب قائم على GRPO، لمعالجة أوجه القصور في نماذج وصف الفيديو الحالية بشكل منهجي في وصف الحركات البشرية المعقدة بدقة والحد من الهلوسة المتعلقة بالحركة.
تقدم هذه الورقة PRISM، وهو إطار عمل للتعلم الذاتي لتقدير العمق والوضعية في التصوير التنظيري أحادي العدسة، والذي يستفيد من كشف الحواف وتفكيك السطوع الجوهري للتغلب على تحديات مثل الأسطح الخالية من الملمس واختلافات الإضاءة، مبرهنةً على أن التدريب على بيانات من العالم الحقيقي مع تحسين أخذ عينات الإطارات يتفوق على الطرق الخاضعة للإشراف على النماذج الاصطناعية.
تبحث هذه الورقة في فعالية نماذج التعلم العميق VGG16 وDenseNet201 في التمييز بين الآفات الجلدية الحميدة والخبيثة، حيث أظهرت أن نموذج DenseNet201 حقق دقة متفوقة بلغت 93.79% على مجموعة بيانات مكونة من 3,297 صورة لدعم الكشف المبكر عن سرطان الجلد.
تقترح هذه الورقة إطار عمل لا يتطلب تدريباً يدمج نماذج الرؤية واللغة مع نموذج "Segment Anything" لتحقيق أداء فائق في تقسيم الاستشعار عن بعد القائم على النصوص بنمط الصفر (zero-shot) عبر مهام متنوعة من المفردات المفتوحة، والمهام المرجعية، ومهام الاستدلال.
تنتقد هذه الورقة بروتوكول التقييم لدراسة تعتمد على التعلم العميق للتعرف على الإيماءات في عمليات الإنقاذ بواسطة الطائرات بدون طيار، موضحةً أن دقة النتائج شبه المثالية المبلغ عنها تنبع من تسرب البيانات الناتج عن التقسيم العشوائي على مستوى الإطارات بدلاً من التعميم الحقيقي المستقل عن الأشخاص.
تقترح هذه الورقة إطار عمل متكاملًا لفهم الفيديو طويل التنسيق بكفاءة في النماذج متعددة الوسائط الكبيرة، يجمع بين عينة فيديو تكيفية قائمة على كثافة المعلومات وضواغط مكانية-زمانية قائمة على المشفّر التلقائي للتغلب على قيود الذاكرة واستخراج المعلومات التمييزية من تسلسلات الفيديو الزائدة.
تتقصى هذه الورقة الفجوة بين الأداء القوي لنماذج الرؤية واللغة في الاختبارات المعيارية العامة وأدائها الأضعف في المعرفة البصرية دقيقة التفاصيل، كاشفةً من خلال دراسات الاستئصال أن المشفرات البصرية المتفوقة واستراتيجيات التدريب المسبق المحددة تعد أمراً حاسماً لتعزيز قدرات التصنيف دقيقة التفاصيل.
تقترح هذه الورقة مهمة التخصيص البصري العاطفي المتمحور حول النماذج اللغوية الكبيرة (L-AVC)، وتقدم نهجاً فعالاً ودقيقاً للتلاعب بالعواطف (EPEM)، والذي يتميز بوحدات التحويل الفعال بين العواطف والاحتفاظ الدقيق بالعواطف الخارجية، لتوليد صور تعدل المشاعر الذاتية مع الحفاظ على المحتوى غير المرتبط بالعاطفة بشكل فعال.
تقدم هذه الورقة DeepSVU، وهي مهمة جديدة لفهم الفيديو المتعمق الموجه نحو الأمن يتجاوز مجرد اكتشاف التهديدات إلى عزو الأسباب، وتقترح إطار عمل Unified Physical-world Regularized MoE (UPRM) لنمذجة وموازنة المعلومات الفيزيائية من الكلي إلى الجزئي بفعالية لتحسين الأداء.