13200 ورقة بحثية
تقدم هذه الورقة نظام انتباه مستوحى حيويًا وخاليًا من التعلم، يستخدم كاميرات تعتمد على الأحداث وشبكات عصبية تلافيفية نبضية لتحقيق تقسيم حركة الأجسام واستهداف حركات العين السريعة في الوقت الفعلي وبكفاءة للتطبيقات الروبوتية.
تُظهر الورقة البحثية أن استبدال الضجيج غير المشروط الذي تم تعلمه بشكل ضعيف في نماذج الانتشار المضبوطة بدقة بضجيج متوقع من نموذج أساسي عالي الجودة (أو حتى نموذج انتشار مختلف) يحسن بشكل كبير من جودة التوليد الشرطي.
تقيم هذه الورقة مدى متانة تسعة من نماذج تقدير وضعية جسم الإنسان ثلاثية الأبعاد المتطورة في مواجهة حالات الاحتجاب الواقعية باستخدام مجموعة بيانات BlendMimic3D، مما يكشف أن جميع النماذج تعاني من تدهور كبير في الأداء — لا سيما عند المفاصل الطرفية — ويسلط الضوء على الحاجة الماسة لتحسين القدرة على التعميم في السيناريوهات الواقعية.
تقدم الورقة البحثية ReaMOT، وهو معيار ومهمة جديدة تركز على التتبع متعدد الأجسام القائم على الاستنتاج، والذي يتطلب من النماذج تحديد الأهداف من خلال قيود منطقية ضمنية، مصحوباً بمجموعة بيانات واسعة النطاق وإطار عمل خالٍ من التدريب يسمى ReaTrack يجمع بين نماذج اللغات الكبيرة متعددة الوسائط ذات التفكير المتغير وSAM2.
تقترح الورقة البحثية إطار عمل GLEVR، وهو إطار عمل فعال حاسبياً لتعلم الرسوم البيانية يعامل التعرف على الخطوات الرئيسية كمهمة تصنيف عقد، ويعمل على تحسين الأداء من خلال الاستفادة من التبعيات طويلة المدى والمحاذاة عبر الوسائط بين فيديوهات المنظور الشخصي، وفيديوهات المنظور الخارجي، والتعليقات التوضيحية.
تقدم الورقة البحثية نموذج UFM (التدفق والمطابقة الموحد)، وهو نموذج قائم على المحولات (transformer) يحقق دقة وسرعة فائقتين من خلال توحيد التدفق البصري والمطابقة الكثيفة واسعة النطاق عبر إطار تدريب واحد.
يُعد TAMMs إطار عمل موحداً متعدد الوسائط يقوم بشكل مشترك بوصف التغير الزمني والتنبؤ بصور الأقمار الصناعية المستقبلية، وذلك باستخدام وحدات التكيف الزمني وحقن التحكم المدمج دلالياً لتعزيز الفهم الزمني طويل المدى والاتساق التوليدي.
تقدم هذه الورقة مجموعة بيانات "الأشياء الشائعة خارج السياق" (COOCo) للتحقيق في كيفية موازنة نماذج الرؤية واللغة (VLMs) بين سمات الأشياء المحلية وسياق المشهد العالمي عند توليد المراجع، مما يكشف أن النماذج تستخدم السياق بشكل تكيفي بناءً على التطابق الدلالي ومستويات الضجيج.
تقترح هذه الورقة إطار عمل يستخدم نماذج الرؤية الكبيرة لتحليل فيديوهات القيادة الطبيعية، بهدف اكتشاف العلامات المبكرة للتدهور المعرفي والخرف لدى السائقين كبار السن من خلال تحديد "البصمات الرقمية" في سلوكهم الواقعي أثناء القيادة.
يقدم STELAR-Vision إطار تدريب يعزز نماذج الرؤية واللغة من خلال استخدام طوبولوجيات استدلال متنوعة (مثل الأشجار والرسوم البيانية) عبر مسار بيانات اصطناعي يسمى TopoAug، مما يحسن دقة الاستدلال وكفاءة المخرجات بشكل كبير مقارنة بطرق سلسلة الأفكام التقليدية.