13202 ورقة بحثية
تعالج هذه الورقة فجوة الاستدلال المتعلقة بالسلامة في النماذج اللغوية البصرية من خلال تقديم مجموعة بيانات السلامة متعددة الصور (MIS)، التي تدمج مدخلات متعددة الصور مع تسميات "سلسلة الأفكار" الخاصة بالسلامة لتعزيز قدرات الاستدلال البصري وأداء السلامة بشكل كبير مع الحفاظ على القدرات العامة للنموذج.
تُثبت هذه الورقة نظرياً وتجريبياً أن ديناميكيات التمثيل أحادي المنوال الملحوظة في نماذج الانتشار —حيث تبلغ جودة الميزات ذروتها عند مستويات ضجيج متوسطة— تنشأ من التفاعل بين قوة إزالة الضجيج والثقة في الفئة، مما يجعلها مؤشراً موثوقاً لما إذا كان النموذج قد تعلم بنجاح توزيع البيانات الأساسي أم أنه يكتفي بمجرد حفظ بيانات التدريب.
تقدم الورقة البحثية FedVSR، وهو إطار عمل للتعلم الاتحادي غير مرتبط بنموذج محدد وغير مرتبط بحالة، يستخدم خسارة خفيفة الوزن تعتمد على تحويل المويجات المتقطعة واستراتيجية تجميع مدركة للخسارة لتعزيز الجودة الإدراكية لتطوير دقة الفيديو بشكل كبير مع الحفاظ على تكلفة حسابية وتواصل تقترب من الصفر.
تُثبت هذه الورقة أن الجمع بين تقليم الصور وفرط أخذ العينات يقلل بفعالية من التحيز العرقي في تقسيم الرنين المغناطي للقلب (CMR) القائم على الذكاء الاصطناعي، مما يحسن الأداء بشكل كبير للمرضى السود الممثلين تمثيلاً ناقصاً دون المساس بالدقة للمرضى البيض.
تقترح الورقة البحثية إطار عمل LGPS، وهو إطار عمل خفيف الوزن يعتمد على شبكات الخصومة التوليدية (GAN) يدمج بين هيكل MobileNetV2 مع وحدات ResE، وتحسين الحدود باستخدام ConvCRF، ودالة فقدان هجينة لتحقيق دقة في تقسيم السلائل (polyp segmentation) تضاهي أحدث المعايير العالمية، مع قدرة قوية على التعميم وبعدد أقل بكثير من المعلمات مقارنة بالنماذج الحالية، مما يجعله مناسباً للغاية للتطبيقات السريرية في الوقت الفعلي.
تقدم الورقة البحثية إطار عمل DWIM، وهو إطار عمل مبتكر يعزز الاستدلال البصري التركيبي من خلال توظيف توليد سير عمل مدرك للتباين لاستخراج بيانات تدريب قابلة للتطبيق، والضبط الدقيق القائم على قناع التعليمات لتوجيه النماذج في استنساخ إجراءات الأدوات الفعالة، مما يتغلب على قيود النماذج اللغوية الكبيرة المجمدة ويحقق أداءً رائدًا.
تقدم هذه الورقة MedFrameQA، وهو أول معيار مرجعي للمساءلة البصرية الطبية متعدد الصور (VQA) مستمد من نصوص مقاطع الفيديو التعليمية لتقييم الاستدلال السريري، مما يكشف أن النماذج اللغوية الكبيرة متعددة الوسائط المتقدمة حالياً تعاني بشكل كبير في دمج المعلومات البصرية عبر تسلسلات الصور وتتبع التطور المرضي.
تقدم هذه الورقة Sat2Density++، وهو نهج جديد يعتمد على حقول الإشعاع العصبي يتغلب على تحديات المشاهد الشحيحة وتغيرات زوايا النظر القصوى لتخليق صور بانورامية وفيديوهات واقعية للشارع من صور الأقمار الصناعية من خلال نمذجة العناصر الخاصة بمنظر الشارع مثل السماء والإضاءة بشكل صريح.
تقدم الورقة البحثية EMERALD، وهو نموذج عالم فعال يجمع بين الحالات الكامنة المكانية وتنبؤات MaskGIT لتوليد مسارات دقيقة في الفضاء الكامن، محققاً أداءً هو الأفضل في فئته على معيار Crafter من خلال تجاوز الخبراء البشريين في غضون 10 ملايين خطوة.
تقترح الورقة البحثية إطار عمل ECORE، وهو إطار توجيه واعٍ بالطاقة للحوسبة الحافية يقوم بتوجيه مهام معالجة الصور ديناميكيًا إلى أزواج مثالية من الأجهزة والنماذج باستخدام خوارزميات تقدير وجشع مبتكرة، محققًا انخفاضات كبيرة في استهلاك الطاقة وزمن الاستجന്ത مع حد أدنى من فقدان الدقة.