13200 ورقة بحثية
تقدم هذه الورقة منظومة "حقول العالم" (FTW)، وهي مورد شامل يتضمن معياراً عالمياً يضم 1.6 مليون مضلع للحقول الزراعية، ونماذج مدربة مسبقاً، وأدوات لاستخراج حدود الحقول وتصنيف أنواع المحاصيل على المستويين المحلي والوطني.
تقترح هذه الورقة البحثية "Chain-of-Caption"، وهو إطار عمل لا يتطلب تدريباً يعزز بشكل كبير أداء نماذج اللغات الكبيرة متعددة الوسائط في فهم التعبيرات المرجعية من خلال الجمع الاستراتيجي بين سياقات نصية وبصرية متعددة عبر استخدام الأدوات، محققاً مكاسب في الدقة تتراوح بين 5% إلى 30% عبر مختلف المعايير المرجعية دون الحاجة إلى ضبط دقيق.
يقترح Tighnari v2 إطار عمل للدمج متعدد الوسائط يستفيد من بيانات "الوجود-الغياب" المتفرقة وعالية الجودة وبيانات "الوجود فقط" الوفيرة والمشوبة بالضجيج للتنبؤ بتوزيع النباتات، وذلك عبر استخدام استراتيجية التوسيم الزائف القائمة على الموقع الجغرافي ومنهجية "خليط الخبراء" للتخفيف من حدة ضجيج التسميات والتحولات في التوزيع.
تقترح الورقة البحثية CAE-AV، وهو إطار عمل جديد يحسن التعلم السمعي البصري من خلال توظيف وحدات بروز موجهة بالاتفاق عبر الوسائط ومحاذية للتعليقات الوصفية لموازنة العلاقات المكانية والزمانية ديناميكيًا وضخ التوجيه الدلالي، مما يقلل بفعالية من عدم المحاذاة بين الوسائط ويحقق أداءً رائدًا على العديد من المعايير المرجعية.
تقدم هذه الورقة البحثية UGData، وهي مجموعة بيانات متعددة الوسائط ذات أساس مكاني، وUGE، وهي استراتيجية تدريب ثنائية المراحل تعمل على محاذاة صور عرض الشارع مع رسوم بيانية مكانية مهيكلة، مما يحسن الأداء بشكل كبير في مهام الفهم الحضري عبر مختلف النماذج الخلفية للرؤية واللغة.
يُعد Prism آلية انتباه ذات تخلخل كتلوي (block-sparse) لا تتطلب تدريباً، ويحقق تسريعاً يصل إلى 5.1 ضعفاً عبر استخدام نهج مدرك للطيف لتصحيح فقدان المعلومات الموضعية الناتجة عن التجميع المتوسط (mean pooling) في تضمينات الموضع الدوارة (RoPE).
تقدم هذه الدراسة إطار عمل لتصنيف الإيماءات للمركبات ذاتية القيادة يستخدم تقدير الوضعية ثنائي الأبعاد و76 ميزة مستخرجة من مجموعة بيانات WIVW لتصنيف إيماءات المشاة إلى أربع فئات، محققة دقة بنسبة 87% من خلال تسليط الضوء على القدرة التمييزية لموقع اليد وسرعة الحركة.
بينما تحقق نماذج الرؤية التأسيسية (VFMs) ذات التكيف خفيف الوزن أداءً قوياً في تقسيم الميتوكوندريا على مجموعات بيانات المجهر الإلكتروني الفردية، إلا أنها تفشل في التعميم عبر مجموعات البيانات غير المتجانسة بسبب عدم التطابق المستمر في النطاق الذي لا تستطيع استراتيجيات الضبط الدقيق فعالة المعلمات الحالية التغلب عليه دون آليات إضافية لمحاذاة النطاق.
يُعد BADet إطار عمل للكشف عن الأجسام ثلاثية الأبعاد مدركاً للحدود، وهو يحسن الطرق الحالية ذات المرحلتين من خلال بناء رسم بياني للجوار المحلي لاستغلال ارتباطات الحدود صراحةً بين المقترحات، واستخدام وحدة خفيفة الوزن لتجميع ميزات المنطقة لتعزيز تمثيل الميزات، محققاً أداءً هو الأفضل في حالته على مجموعتي بيانات KITTI وnuScenes.
تقدم هذه الورقة مسحاً شاملاً حول الكشف عن الأجسام ثلاثية الأبعاد للقيادة الذاتية، حيث تغطي المكونات الأساسية مثل المستشعرات ومجموعات البيانات، وتحلل الأساليب المتطورة من خلال المقارنات الكمية ودراسات الحالة، وتحدد اتجاهات البحث المستقبلية.