13202 ورقة بحثية
تقترح الورقة البحثية DPMambaIR، وهو إطار عمل لاستعادة الصور بنظام "الكل في واحد" يدمج مستخرج تدهور دقيق التفاصيل مع نموذج فضاء الحالة المعتمد على التلميحات المدرك للتدهور وكتلة تعزيز التردد العالي لتحقيق أداء فائق عبر أنواع متعددة من التدهور من خلال التكيف ديناميكيًا مع ميزات التدهور دقيقة التفاصيل.
تقدم الورقة البحثية LookWhere، وهي طريقة ذاتية الإشراف تعالج بكفاءة التعرف البصري عالي الدقة من خلال التعلم المشترك لاختيار مناطق الصور ذات الصلة واستخراج الميزات عبر مُنتقي منخفض الدقة ومستخرج عالي الدقة، مما يحقق تخفيضات كبيرة في التكلفة الحسابية مع الحفاظ على الدقة أو تحسينها عبر مهام متنوعة.
تقدم هذه الورقة البحثية "Many-for-Many"، وهو إطار عمل موحد يستخدم محولات خفيفة الوزن واستراتيجية تعلم مشتركة للصور والفيديو لتدريب نموذج تأسيسي واحد قادر على أداء أكثر من عشر مهام متنوعة للتوليد والمعالجة البصرية، محققاً أداءً تنافسياً مع الاستفادة من البيانات من مصادر متعددة للتغلب على التكلفة العالية للتدريب الخاص بكل مهمة.
تقدم هذه الورقة GIQ، وهو معيار شامل يستخدم مجسمات متعددة الوجوه متنوعة، اصطناعية وحقيقية، لتقييم نماذج الرؤية والنماذج اللغوية البصرية التأسيسية، مما يكشف عن أوجه قصور كبيرة في قدراتها على الاستدلال الهندسي عبر مهام مثل إعادة البناء ثلاثي الأبعاد، وكشف التماثل، وتصنيف الأشكال.
تقدم هذه الورقة BioLite U-Net، وهو إطار عمل خفيف الوزن للتجزئة الدلالية يستخدم التلافيف القابلة للفصل بعمق ومجموعة بيانات مشروحة مبتكرة لتمكين المراقبة الدقيقة في الوقت الفعلي تقريبًا في الموقع لعمليات الطباعة الحيوية على أجهزة الحافة محدودة الموارد مثل Raspberry Pi 4B.
تقدم هذه الورقة طريقة سريعة وغير مرتبطة ببنية معينة للترشيح المسبق للمجالات العصبية في تمريرة أمامية واحدة عن طريق القياس التحليلي لتمثيلات سمات فورييه مع الاستجابة الترددية للمرشح، مما يتيح التعميم على مرشحات بارامترية غير مرئية مثل "بوكس" (Box) و"لانزوس" (Lanczos) دون قيود تدريب إضافية.
يقدم OmniAgent أول وكيل إدراك نشط بالكامل يقوم بتنسيق أدوات أحادية النمط متخصصة ديناميكياً ويستخدم نموذجاً مبتكراً موجهاً صوتياً من الخشن إلى الناعم لتحقيق فهم صوتي وفيديو شامل ومتعدد الأنماط يتصدر المعايير الحالية دون الحاجة للتدريب.
تقترح الورقة البحثية الإشراف الاحتمالي العميق (DPS)، وهو إطار عمل مبني على أسس سليمة يقوم ببناء توزيعات مستهدفة خاصة بكل عينة عبر الاستدلال الإحصائي على تنبؤات النموذج نفسه للتخلص من الاعتماد على الأهداف الصارمة، مما يؤدي إلى تحسين دقة الاختبار، والمعايرة، والمتانة بشكل كبير مقارنة بطرق التقطير الذاتي الحالية.
تقدم هذه الورقة البحثية SIRR-LMM، وهو نهج مبتكر يجمع بين إطار عمل لتوليد بيانات اصطناعية دقيق فيزيائياً ونموذج لغوي كبير متعدد الوسائط مضبوط بدقة لتحقيق أداء رائد في إزالة وفصل الانعكاسات من صورة واحدة.
تقدم هذه الدراسة منهجية تعلم عميق قوية لتجزئة الأوعية الدموية الدماغية ثلاثية الأبعاد في فحوصات التصوير المقطعي المحوسب للأوعية (CTA) تستفيد من بيانات (4D-CTA) الديناميكية لتعزيز كفاءة التوسيم اليدوي وتوسيع مجموعة بيانات التدريب، مما أدى إلى نموذج يتفوق بشكل كبير على المعايير المرجعية الحالية من حيث الدقة، والدقة المورفولوجية، والحساسية الطوبولوجية.