12113 ورقة بحثية
تقدم هذه الورقة البحثية VID، وهي مجموعة بيانات ومعيار مرجعي واسع النطاق يعتمد على الرؤية الحاسوبية لتقدير عزم دوران المفاصل البشرية مباشرة من صور RGB أحادية العدسة، إلى جانب نموذج VID-Network الذي يتفوق بشكل كبير على النماذج المرجعية الحالية من خلال الاستفادة من الميزات المكانية والزمانية لتمكين التحليل الميكانيكي الحيوي في سيناريوهات العالم الحقيقي.
للتغلب على نقص المعايير المرجعية عالية الجودة لتحرير الصور القائم على الرسم بكسل بمستوى البكسل، تقدم هذه الورقة مجموعة بيانات SI-Data وإطار عمل SI-Edit، اللذين يستفيدان من النماذج اللغوية الكبيرة متعددة الوسائط لتخليق رباعيات مدفوعة بالتعليمات وتحقيق تشوهات محلية دقيقة ومتوافقة دلاليًا من خلال نهج تعلم مكاني-دلالي تعاوني.
تقدم هذه الورقة مقياس "دقة القناع التبايني" (CMF)، وهو مقياس خالي من التدريب وخالٍ من المراجع، يقوم بمراجعة أقنعة الحقيقة الأرضية في التجزئة الدلالية للاستشعار عن بعد عبر تقييم توافقها مباشرة مع أدلة الصورة، مما يكشف عن تشوهات التوسيم المنهجية ويُمكّن من تحسين النقل عبر المجالات من خلال التحكيم القائم على البيانات.
تقترح هذه الورقة إطار عمل للرندرة العصبية متكيف مع الرؤية يحقق إعادة بناء ثلاثية الأبعاد قوية ومتسقة من حيث الرؤية من صور مفردة عبر توظيف رندرات مستقلة لتصحيح الأخطاء ووحدة دمج تعتمد على الانتباه الذاتي، مما يقدم أداءً يقارب أحدث ما توصلت إليه التقنيات بكفاءة عالية ودون الاعتماد على الإشراف القائم على الانتشار.
تقترح الورقة البحثية إطار عمل VIGIL، وهو إطار عمل مبتكر يستفيد من النماذج اللغوية الكبيرة متعددة الوسائط مع كواشف ميزات متعددة المستويات ومجموعة بيانات منسقة بدقة تضم 140 ألف عينة لمعالجة أوجه القصور في النهج الحالية القائمة على النصوص وسد فجوة التعميم من الاصطناعي إلى الأصيل في اكتشاف التشوه البصري.
تقدم هذه الورقة طريقة لتعزيز الإضاءة المنخفضة خالية من التدريب تجمع بين تقدير الإضاءة للقناة الساطعة المحلية مع قسمة ريتيكس وإزالة الضجيج مع الحفاظ على الحواف، مستخدمةً تحليل العد الكاذب لثنائي الحدين الشرطي لتوصيف الضجيج متباين التباين، مما يحقق أداءً رائدًا على مجموعة بيانات LOL-v1 مع سرعة معالجة عالية على وحدة المعالجة المركزية.
يُعد RefineAny3D نموذجاً لغوياً بصرياً يعمل على تحسين الكشف عن الأجسام ثلاثية الأبعاد أحادية العدسة عبر إعادة صياغة تحسين العمق كمسألة محاذاة بصرية، وذلك باستخدام رموز إجراء لتصحيح أحجام الصناديق المحيطة بناءً على الأدلة البصرية بدلاً من التنبؤ بقيم عمق عددية.
تقدم هذه الورقة طريقة لضغط الرموز البصرية الحساسة للتبعات لنماذج الرؤية واللغة، والتي تخصص الموارد الحسابية ديناميكيًا بناءً على التكلفة المحتملة للأخطاء، مما يقلل بشكل كبير من الأخطاء عالية المخاطر ومعدلات الخطأ الإجمالية المرجحة بالتكلفة مقارنة باستراتيجيات التخصيص المعتمدة على المحتوى أو التخصيص الموحد التقليدية.
تقدم الورقة البحثية BAG (البوابات الواعية بالميزانية)، وهي سياسة تخزين مؤقت مبتكرة لنماذج محولات الانتشار (Diffusion Transformers) تستخدم شبكة بوابات خفيفة الوزن يتم تدريبها عبر تقطير المجدول لموازنة قيود الميزانية العالمية مع إعادة استخدام الميزات المتكيفة مع الحالة ديناميكيًا، مما يؤدي إلى التفوق على الأساليب الحالية في تسريع نماذج الانتشار مثل FLUX.1-dev و Wan2.1.
تقترح الورقة البحثية DreOPD، وهي طريقة استخلاص (distillation) جديدة قائمة على السياسة (on-policy) لنماذج مطابقة التدفق (flow-matching models)، تقوم بتحويل استقراء المكافأة الضمنية إلى انحدار سرعة ذي صيغة مغلقة وتستفيد من مرجع متدهور لتحقيق تدريب لاحق مستقر وعالي الأداء يتفوق على كل من الاستخلاص القياسي القائم على السياسة وخطوط الأساس لتعلم التعزيز متعدد المهام.