13200 ورقة بحثية
تقترح هذه الورقة طريقة تستخدم متواليات العزوم الهندسية (geometrical moment n-tuples) للكشف عن التناظرات العالمية وتقدير التحويلات المتعامدة (مثل الدورات والانعكاسات) في فضاء ذي أبعاد n، مما يظهر كفاءة ودقة محسنتين في تحليل الأجسام ثنائية وثلاثية الأبعاد مقارنة بتقنيات الأمثلة التكرارية.
يُعد SAGE إطار عمل قابلاً للتوسع يعمل على تكييف النماذج التأسيسية للهندسة ثلاثية الأبعاد باستخدام فيديوهات الإنترنت غير المشروحة عبر توظيف مسار تنقيب هرمي يجمع بين التوجيه الهيكلي القائم على إعادة بناء الحركة (SfM) المتناثر وبين الرندرة ثلاثية الأبعاد لـ "غاوس" التفاضلية الكثيفة من أجل الإشراف الهجين.
تُعدُّ تقنية TRUST (الضبط الدقيق المستهدف والقوي والانتقائي) نهجاً مبتكراً يتيح عملية "إلغاء تعلم" (unlearning) فعالة وقوية للمفاهيم في نماذج الانتشار الموجهة بالنصوص، وذلك عبر استخدام تحديد المواقع الديناميكي للنيورونات والتنظيم القائم على مصفوفة "هيسيان" لاستهداف مفاهيم محددة وتوليفاتها دون التكلفة الحسابية لعملية الضبط الدقيق الكاملة.
يُعد EasyTune إطار عمل فعال في استهلاك الذاكرة وعالي السرعة للضبط الدقيق لإنشاء الحركة القائم على الانتشار، والذي يتغلب على عدم كفاءة التحسين القائم على المسار من خلال فك الارتباط بين خطوات إزالة الضجيج واستخدام آلية تعلم تفضيل الصقل الذاتي لتحسين التوافق مع الأهداف النهائية.
تقدم هذه الورقة تحليلاً تجريبياً شاملاً يكشف عن فجوة أداء حرجة حيث تواجه نماذج كشف التزييف العميق المتطورة والمقيمون البشريون صعوبة في تحديد الوسائط الاصطناعية الحديثة وعالية الجودة، مما يؤكد الحاجة الملحة لمنهجيات كشف أكثر قوة لمواكبة تقنيات التوليد سريعة التطور.
تقترح هذه الورقة البحثية إطار عمل MCIE-E1، وهو إطار عمل مبتكر يستخدم نموذج لغة كبير متعدد الوسائط لتعزيز تحرير الصور القائم على التعليمات المعقدة من خلال وحدات انتباه متقاطع مدركة للمكان ومتسقة مع الخلفية، مدعومة بمسار بيانات جديد عالي الجودة ومعيار تقييم شامل يسمى CIE-Bench.
تقترح هذه الورقة نموذج "Enhanced Mixture 3D CGAN" الذي يدمج شبكات "Deep 3D Convolutional GANs" مع إطار عمل "Mixture of Experts" وآلية تقييد السعة الديناميكية لتوليد نماذج ثلاثية الأبعاد عالية الجودة وإكمال الأجسام ذات المناطق المفقودة بفعالية، وذلك عبر التنشيط الديناميكي للشبكات الفرعية المتخصصة لتحسين الأداء والكفاءة.
يعمل VidVec على تحسين استرجاع الفيديو والنص من خلال الاستفادة من تضمينات طبقات النماذج اللغوية الكبيرة متعددة الوسائط (MLLM) المتوسطة، مدمجة مع استراتيجية محاذاة خفيفة الوزن تعتمد على النص فقط تقوم بربط التوصيفات الكثيفة بملخصات قصيرة، مما يحقق أداءً فائقاً دون الحاجة إلى الضبط الدقيق البصري.
تعد MMLSv2 مجموعة بيانات متعددة الوسائط جديدة تضم 664 صورة بسبعة نطاقات طيفية وطبوغرافية، صُممت لتسهيل وتقييم متانة نماذج تقسيم الانهيارات الأرضية على أسطح المريخ من خلال كل من التدريب ضمن التوزيع والاختبار المنفصل جغرافياً.
تُظهر هذه الدراسة أن بنيات محولات الرؤية الصغيرة (Vision Transformer)، وتحديداً DINOv2-small وDeiT، عند دمجها مع مسار معالجة مسبقة مبتكر قائم على الرقع (patch-based) وضبط دقيق للرأس المجمد (frozen-head fine-tuning)، تحقق أداءً تنافسياً في الكشف عن أضرار المباني متعدد الفئات على مجموعة بيانات الأقمار الصناعية xBD الصاخبة وغير المتوازنة مقارنة بالنماذج المرجعية التقليدية للشبكات العصبية التلافيفية (CNN).