13200 ورقة بحثية
تقدم الورقة البحثية VLRS-Bench، وهو أول معيار استشعار عن بعد مصمم خصيصًا لتقييم قدرات الاستنتاج المعقدة للنماذج اللغوية الكبيرة متعددة الوسائط عبر أبعاد الإدراك، واتخاذ القرار، والتنبؤ.
تتقصى هذه الورقة كيفية تمثيل نماذج عالم الفيديو للخصائص الفيزيائية، حيث اكتشفت أنها لا تستخدم متغيرات عاملية مثل المحركات الكلاسيكية، بل تعتمد بدلاً من ذلك على تمثيل عالي الأبعاد وموزع ينبثق عند عمق وسيط محدد داخل بنية النموذج.
تقدم هذه الورقة إطار عمل فعال للتعلم العميق من طرف إلى طرف يتفوق على الطرق التكرارية التقليدية من خلال التقدير المباشر لإزاحة المتصلة وانضغاطية المادة من سلاسل الصور، مستفيداً من السمات المعرفية عالية الرتبة للحفاظ على دقة عالية حتى في ظل وجود انحرافات في التعيين المحلي.
تقدم هذه الورقة دراسة مقارنة لنماذج Pix2Pix GAN وCycleGAN وVAE لإعادة بناء صور الرنين المغناطيسي من نوع T1 إلى T2 باستخدام مجموعة بيانات BraTS 2020، حيث وجدت أنه في حين يحقق CycleGAN أعلى جودة هيكلية وإشارية، فإن Pix2Pix GAN يقدم أدنى معدلات الخطأ، بينما يوفر VAE مزايا فريدة في الفضاء الكامن.
تُعد MosaicThinker تقنية للحوسبة أثناء الاستدلال مخصصة للذكاء الاصطناعي المجسد ذي الموارد المحدودة، حيث تعمل على تعزيز قدرات الاستدلال المكاني للنماذج البصرية اللغوية الكبيرة (VLMs) الصغيرة من خلال دمج المعلومات المجزأة من إطارات فيديو متعددة في خريطة دلالية عالمية موحدة تُستخدم للتلقين البصري.
تقترح الورقة إطار عمل متمحور حول البيانات للاسترجاع متعدد الوسائط الشامل، والذي يعمل على تحسين الأداء باستخدام نموذج رؤية ولغة لاستخراج الاستدلال الضمني من خلال التوصيف الكثيف للمتن وإعادة كتابة الاستعلام، يليه تدريب المسترجع على هذه التمثيلات الغنية دلالياً.
تتقصى هذه الورقة مخاطر الخصوصية في مجموعات البيانات الضخمة التي تم جمعها عبر كشط الويب من خلال إثبات أن مجموعة بيانات LAION-400M تحتوي على صور أشعة تلفزيونية (سونار) حساسة للحمل إلى جانب آلاف الحالات من معلومات تحديد الهوية الشخصية، مثل الأسماء والمواقع.
يُعد DuMeta++ إطار عمل تعلم ميتا مزدوج يحقق تجزئة عامة لنسيج الدماغ في حالات التعلم القليل من العينات عبر أعمار متنوعة، وذلك من خلال دمج تعلم الميزات الميتا والتهيئة الميتا مع استراتيجية تنظيم قائمة على بنك الذاكرة لضمان الاتساق الطولي دون الحاجة إلى بيانات طولية مقترنة.
لمعالجة انهيار النمط والانحيازات المعتمدة على زاوية الرؤية في نماذج GAN ثلاثية الأبعاد للرأس الكامل، تقترح هذه الورقة استخدام سمات دلالية ثابتة تجاه زاوية الرؤية — مستخرجة من مناظر أمامية لمجموعة بيانات مُخلّقة جديدة — كإشارات شرطية لفصل القدرة التوليدية عن اتجاه الرؤية، مما يعزز الدقة والتنوع والتماسك العالمي لتخليق الرأس ثلاثي الأبعاد.
تُعد RoadSafe365 معياراً ضخماً للرؤية واللغة يتميز بتصنيف هرمي وتوصيفات متعددة الوسائط واسعة النطاق، صُممت لسد الفجوة بين تحليل حركة المرور القائم على البيانات ومعايير السلامة الرسمية من خلال التقييم الدقيق لأحداث المرور في العالم الحقيقي.