13202 ورقة بحثية
تقترح هذه الورقة البحثية تعلم التمثيل الذاتي متعدد الرؤى (MSRL)، وهو أسلوب غير خاضع للإشراف يستفيد من خصائص التمثيل الذاتي واتساق احتمالية التعيين لتجميع الميزات من نماذج مدربة مسبقاً وغير متجانسة، مما يؤدي إلى تعلم تمثيلات ثابتة تتفوق على الأساليب الرائدة في مجموعات البيانات المرئية.
تقدم الورقة البحثية Med-MMFL، وهو أول معيار شامل للتعلم الاتحادي متعدد الوسائط في مجال الرعاية الصحية، والذي يقيم الخوارزميات الحديثة عبر وسائط طبية ومهام وسيناريوهات اتحادية واقعية متنوعة لإرساء تقييم معياري ودعم قابلية التكرار.
تقدم الورقة البحثية Seg-ReSearch، وهو نموذج تجزئة مبتكر يتغلب على قيود المعرفة المجمدة لنماذج اللغات الكبيرة متعددة الوسائط من خلال دمج الاستدلال المتداخل مع البحث الخارجي، والذي تم التحقق من صحته عبر معيار جديد (OK-VOS) واستراتيجية تدريب بمكافأة هرمية تحقق أداءً هو الأفضل في فئته في مهام التجزئة ذات العالم المفتوح.
تقدم هذه الورقة نموذج DU-VLM، وهو نموذج تسلسل أفكار متعدد الوسائط تم تدريبه على مجموعة بيانات DU-110k الجديدة للتنبؤ هرمياً بأنواع المعلمات الفيزيائية لتدهور الصور، مما يتيح استعادة دقيقة ويعمل كتحكم صفري لنماذج الانتشار مسبقة التدريب دون الحاجة إلى ضبط دقيق.
تقدم الورقة البحثية SalFormer360، وهو نموذج جديد قائم على المحولات (transformer) يجمع بين مشفر SegFormer مضبوط بدقة مع فك تشفير مخصص وانحياز مركز الرؤية (Viewing Center Bias) لتحقيق أداء رائد في تقدير البروز (saliency estimation) لمقاطع الفيديو بـ 360 درجة عبر مجموعات بيانات مرجعية متعددة.
تقدم الورقة البحثية REDistill، وهو إطار عمل لتقطير المعرفة يتسم بالمتانة يستبدل تباعد كيه إل (KL divergence) القياسي بتباعد القوة (power divergence) لتقليل وزن تنبؤات المعلم الضوضائية بشكل تكيفي، مما يؤدي إلى تحسين دقة نموذج الطالب وقدرته على التعميم عبر البنى المختلفة دون الحاجة إلى ضبط مكثف للمعلمات الفائقة.
تقترح هذه الورقة نظام تعلم آلي موثوقاً وقابلاً للتفسير لتصنيف أمراض الأظافر آلياً، يستفيد من التدريب الخصومي وتصورات SHAP لتعزيز أداء نماذج الشبكات العصبية الالتفافية (CNN)، حيث حقق نموذج InceptionV3 دقة بلغت 95.57% على مجموعة بيانات مكونة من 3,835 صورة.
تقدم هذه الورقة FlatDINO، وهو مشفر تلقائي تبايني يقوم بضغط ميزات رقع (patch) DINOv2 الزائدة عن الحاجة إلى تسلسل مدمج مكون من 32 رمزًا (token)، مما يمكّن نماذج الانتشار من تحقيق توليد صور عالي الجودة بتكاليف حوسبة أقل بكثير مقارنة بالعمل على الميزات غير المضغوطة.
تقدم هذه الورقة البحثية إطار عمل UPPM، وهو إطار عمل لا يتطلب تدريباً يستفيد من النماذج التأسيسية لتوليد واصفات ديناميكية ودمجها ضمن خريطة TSDF متعددة الدقة، مما يؤدي إلى حل مشكلة تفتت الملصقات في رسم الخرائط البانوبتيكية ذات المفردات المفتوحة لتحقيق فهم للمشهد عالي الجودة ومستمر وقابل للاستجابة للأوامر.
يُعد Med-PU إطار عمل قائم على المعرفة يدمج تجزئة الصور الطبية الحجمية مع رفع دقة السحابة النقطية العميق لتوليد نماذج تشريحية ثلاثية الأبعاد عالية الدقة ومتسقة طوبولوجياً من بيانات متفرقة، مما يحسن بشكل كبير جودة السطح والقابلية للتطبيق السريري لمهام مثل التخطيط لما قبل الجراحة.