13158 ورقة بحثية
تكشف هذه الورقة أن النماذج التوليدية العميقة تمثل تنوع البيانات بشكل ناقص ومنهجي مقارنة بالتوزيعات الحقيقية بسبب انحياز العينة المحدودة للمقاييس القائمة على الإنتروبيا مثل "فندي" (Vendi) و"آر كيه إي" (RKE)، وتقترح استراتيجيات تنظيم مدركة للتنوع للتخفيف من هذا الخطأ.
تستفيد هذه الورقة البحثية من تقدير تتبع النقاط لإثبات أن تمثيلات الحركة طويلة المدى لا تتفوق فقط على السمات القائمة على الصور في فهم الخصائص الإدراكية المتنوعة والتعميم في سيناريوهات البيانات المنخفضة أو الصفرية، بل تقدم أيضاً مقايضة فائقة بين الكفاءة والدقة، والتي تؤدي عند دمجها مع بيانات الفيديو إلى تحقيق أداء يمثل أحدث ما توصل إليه العلم.
تقترح هذه الورقة البحثية إطار عمل VIPA، وهو إطار عمل جديد لتجزئة الصور المرجعية يقدم آلية انتباه للأجزاء البصرية المعلوماتية ومولد تعبير بصري للاستفادة بفعالية من السياقات البصرية المعلوماتية، مما يعزز الاتساق الدلالي ويحقق أداءً رائدًا عبر معايير قياس متعددة.
تكشف هذه الورقة أن مقاييس مسار المسح القياسية غالباً ما تكون متضخمة بسبب انحياز المركز، مما أدى إلى اقتراح درجة اتساق نظرة العين (GCS) منزوعة الانحياز، والتي تحدد "نقطة مثالية" حرجة من القيود الحسية متوسطة الحجم حيث تحقق نماذج الانتباه القوي أنماط نظرة شبيهة بالبشر حقاً ومتميزة عن التثبيت المركزي التافه.
تقدم هذه الورقة البحثية STAformer و++STAformer، وهما بنيتان جديدتان تعتمدان على آلية الانتباه ومعززتان بنمذجة إمكانات البيئة (affordance modeling) والتنبؤ ببؤر التفاعل (interaction hotspot prediction)، مما يحسن بشكل كبير أداء التنبؤ بالتفاعل مع الأشياء على المدى القصير في مجموعتي بيانات Ego4D وEPIC-Kitchens.
تقدم هذه الورقة ToolSelect، وهو مُنتقٍ قائم على العمليات العصبية الانتباهية (Attentive Neural Process) يختار بشكل تكيفي النموذج الأمثل المتخصص في المهام من مجمع غير متجانس للأنظمة الصحية الوكيلية، وقد تم التحقق من صحته من خلال ToolSelectBench المنشأ حديثاً على بيئة شاملة للأشعة السينية للصدر.
تقدم هذه الورقة ThermEval، وهو معيار شامل يتكون من 55,000 زوج من أسئلة وأجوبة بصرية ومجموعة بيانات جديدة ذات خرائط حرارية كثيفة، لتوضيح أن نماذج الرؤية واللغة الحالية تعاني بشكل كبير في الاستدلال على الصور الحرارية بسبب اعتمادها على الأولويات المتمحورة حول الصور المرئية (RGB).
تقترح هذه الورقة STAG-NN-BA، وهي بنية هجينة مبتكرة تجمع بين تقسيم السوبر بيكسل القائم على خوارزمية SLIC وشبكة الانتباه الرسومي المعززة بمصفوفة تجاور الكتل لنمذجة التبعيات المكانية والزمانية غير الإقليدية بفعالية للكشف عن تغير استخدام الأراضي عن بعد، متفوقة بذلك على النماذج المرجعية الرسومية وغير الرسومية الحالية.
تقدم هذه الورقة البحثية Fibottention، وهي آلية انتباه ذاتي متفرقة ومبتكرة تستفيد من أنماط التفرع الهيكلية المستمدة من مصفوفة ويثوف (Wythoff array) لتحقيق تعقيد حسابي بمقدار وتمثيلات استهلالية متنوعة، مما يمكّن نماذج المحولات الرؤية (Vision Transformers) من مضاهاة أو تجاوز أداء النماذج الكثيفة مع استخدام جزء ضئيل فقط من التفاعلات الثنائية.
تُعد MaskInversion طريقةً للتحسين في وقت الاختبار تعمل على توليد تمثيلات (embeddings) موضعية وسياقية لمناطق محددة في الصورة من خلال صقل رمز تمثيل (embedding token) بشكل تكراري ليتوافق مع خريطة القابلية للتفسير مع قناع استعلام، وذلك مع إبقاء النموذج التأسيسي للرؤية واللغة مجمدًا، مما يتيح أداءً فعالًا في مهام مثل الاسترجاع مفتوح المفردات، وفهم التعبيرات المرجعية، والتوليد الموضعي.