13157 ورقة بحثية
تقترح هذه الورقة إطار عمل لدمج الأحداث والإطارات باستخدام نموذج مدمج ثابت أفينياً (AIS) واستراتيجية تحسين جشعة للجوار لتحقيق قياس تشوه بصري كثيف وقوي في المشاهد شديدة الديناميكية، مع تقليل تكاليف التخزين والحوسبة بشكل كبير مقارنة بطرق الفيديو عالية السرعة التقليدية.
تقدم هذه الورقة تعديلاً لنموذج VACE لا يتطلب تدريباً من أجل توليد الفيديو بالتسلسل التكراري في الوقت الفعلي، وذلك عبر نقل الإطارات المرجعية إلى مسار تكييف موازٍ لتمكين الانتباه السببي وأحجام الكتل الثابتة، مما يحقق تحكماً منخفض التأخير على حساب تقليل دقة العلاقة بين المرجع والفيديو.
تقترح هذه الورقة إطار عمل نمطيًا للاستدلال المكاني حيث تقوم النماذج القائمة على التعلم بتوليد فرضيات هندسية يتم التحقق من صحتها وتنقيتها لاحقًا بواسطة خوارزميات هندسية كلاسيكية، مما يثبت أن مثل هذا النهج الهجين يحقق أداءً قويًا في تقدير وضعية الكاميرا النسبية بينما تظل الطرق القائمة على التعلم البحت غير موثوقة.
تقدم هذه الورقة إطار عمل جديد لتخليق الصور يتيح تحكماً دقيقاً على مستوى العناصر في توليد الصور من خلال تحليل الصور إلى تمثيلات رسومية شعاعية هرمية والاستفوت منها لتوجيه إنشاء مخرجات واقعية مع إجراء تعديلات بديهية على الأشكال والألوان والأجسام.
تقترح الورقة البحثية مُصيّر الشبكة الغاوسية (GMR)، وهو مُصيّر شبكي تفاضلي خفيف الوزن يدمج عملية الترسيم الفعالة لتقنية التبسيط الغاوسي ثلاثي الأبعاد (3D Gaussian Splatting) مع تمثيلات الشبكات المثلثية لتمكين تدرجات أكثر سلاسة وتحسينًا أكثر كفاءة في استهلاك الذاكرة لإعادة بناء الأسطح.
تقارن هذه الورقة بين نموذج TrOCR ونموذج اللغة الرؤيوي Qwen في التعامل مع نصوص من القرن الثامن عشر، حيث تكشف أنه بينما يحقق Qwen معدلات خطأ أقل، فإنه يخاطر بتغيير الرسم الإملائي ذي الأهمية التاريخية من خلال التنميط اللغوي، في حين يحافظ TrOCR على الأشكال الأصلية ولكنه يعاني من الأخطاء المتتالية، مما يسلط الض الضوء على الحاجة إلى تقييم مدرك للبنية المعمارية في عمليات الرقمنة التاريخية.
تقدم هذه الورقة أول تحليل معماري شامل لنموذج YOLO26 المبتكر، والذي يفصل ابتكاراته الرئيسية — بما في ذلك الاستدلال الخالي من NMS، وProgLoss، ومحسن MuSGD — التي تتيح مجتمعةً زيادة في سرعة المعالج (CPU) بنسبة 43% وتعزيز الأداء عبر مختلف مهام الرؤية الحاسوبية.
تقترح الورقة البحثية VariViT، وهي بنية "Vision Transformer" تتعامل مع أحجام الصور المتغيرة من خلال مخطط مبتكر لإعادة تحجيم التضمين الموضعي واستراتيجية تجميع فعالة، محققة أداءً فائقاً في تصنيف أورام الدماغ والتنبؤ بالنمط الجيني مع تقليل التكاليف الحسابية بنسبة تصل إلى 30%.
تقترح هذه الورقة نهجاً قائماً على التعديل (modulation-based approach) ودالة فقدان متخصصة لتوليد صور واقعية من رسومات المشاهد المرسومة يدوياً عبر إعطاء الأولوية للتفسير الدلالي على المحاذاة الصارمة للبكسلات، مما يتغلب على تحدي نقص بيانات الحقيقة الأرضية (ground-truth data).
تقدم الورقة البحثية MeFEm، وهو نموذج رؤية معدل يعتمد على تقنية JEPA، يستفيد من قناع الأشرطة المحورية، وتوزين الخسارة الدائري، وإعادة تعيين رمز CLS الاحتمالي لتحقيق أداء رائد في القياسات الحيوية للوجه الطبية وتقدير مؤشر كتلة الجسم باستخدام بيانات تدريب أقل بكثير من النماذج المرجعية الحالية.