13200 ورقة بحثية
تقترح هذه الورقة آلية تكييف قائمة على مخطط المشهد (scene graph) بنمط التعلم الصفري (zero-shot)، تتميز بمُكيِّف "السمة-الحجم-الكمية-الموقع" (ASQL) الذي يستخدم نموذج لغة خفيف الوزن لتوفير توجيه بصري مرن، مما يحسن الدقة التركيبية وتنوع تخليق الصور من النصوص دون الحاجة إلى قيود تخطيط صارمة.
تقدم الورقة البحثية VLM-UQBench، وهو معيار جديد مصمم لتقييم عدم اليقين الخاص بكل نمط وعدم اليقين عبر الأنماط في نماذج الرؤية واللغة، مما يكشف أن طرق قياس عدم اليقين الحالية تواجه صعوبة في اكتشاف حالات الغموض الدقيقة على مستوى العينة وتوفير إشارات غير متسقة للكشف عن الهلوسة.
تُظهر هذه الورقة أنه بينما يكون التكييف النصي القائم على التعديل التقليدي غالباً فائضاً عن الحاجة في نماذج محولات الانتشار (Diffusion Transformers)، فإن إعادة توظيف التضمين النصي المجمّع كآلية توجيه خالية من التدريب يمكن أن يعزز بشكل كبير من القدرة على التحكم والأداء عبر مختلف مهام التوليد.
تُعد X-Mark طريقةً لعلامات مائية نظيفة وخاصة بكل عينة لمجموعات بيانات الأشعة السينية للصدر، حيث تستخدم شبكة U-Net شرطية وتنظيماً لابتلاسيان (Laplacian) لدمج اضطرابات موجهة بالبروز (saliency-guided)، مما يضمن التحقق القوي من الملكية والتحلل من القياس (scale-invariance) مع الحفاظ على الجودة التشخيصية.
تقترح هذه الورقة طريقة تعلم نقل عميق متعدد الوسائط تدمج صور الجروح والمتغيرات السريرية للتنبؤ بمسارات التئام الجروح وخطر دخول المريض إلى المستشفى، بهدف تمكين الكشف المبكر عن المضاعفات وتقليل وقت التشخيص السريري.
يُعد K-Sort Eval إطار عمل موثوقاً وفعالاً للتقييم القائم على نماذج الرؤية واللغة (VLM)، حيث يعمل على تحسين محاذاة التفضيلات من خلال طريقة التصحيح البعدي، ويعظم كفاءة التقييم باستخدام استراتيجية مطابقة ديناميكية للمقارنات بين النماذج من فئة -wise.
تقدم الورقة البحثية Fine-T2I، وهو عبارة عن مجموعة بيانات مفتوحة المصدر واسعة النطاق وعالية الجودة ومتنوعة تضم أكثر من 6 ملايين زوج من النصوص والصور، صُممت لسد فجوة الأداء في الضبط الدقيق لتحويل النص إلى صورة من خلال تحسين جودة التوليد والالتزام بالتعليمات بشكل كبير عبر مختلف النماذج.
تحلل هذه المراجعة النطاقية أساليب التعلم العميق الحالية للكشف عن التلوث البصري الحضري، وتقترح إطار عمل للمراقبة في الوقت الفعلي يتضمن مؤشرًا للتلوث البصري لدعم الإدارة الحضرية المستدامة والمعيارية.
يُعد ArtifactLens إطار عمل متعدد المكونات يستفيد من المعرفة المتأصلة في نماذج الرؤية واللغة (VLMs) سابقة التدريب من خلال التعلم في السياق وتحسين التعليمات لتحقيق أداء فائق في اكتشاف الآثار باستخدام بضع مئات فقط من الأمثلة المصنفة لكل فئة.
تقترح الورقة البحثية **Align-TI**، وهو إطار عمل جديد لتقطير المعرفة يعمل على تحسين ضغط النماذج اللغوية الكبيرة متعددة الوسائط من خلال تجاوز محاذاة الرمز التالي الثابت لالتقاط التفاعلات الديناميكية بين الرموز، وتحديداً من خلال محاذاة التعليمات البصرية (IVA) ومحاذاة احتمالية الانتقال من رمز إلى آخر (TPA).