13202 ورقة بحثية
تقدم هذه الورقة ترميز فضاء النواة المتماثل مع التآلف (EKS)، وهو ترميز مكاني مبتكر لمجالات الإشعاع العصبي يستخدم نوى غاوسية متباينة الخواص وتقطير الميزات لتمكين تحرير المشاهد الموضعي الواعي للتشوه مع رندرة عالية الدقة مع الحفاظ على تمثيل مدمج وخالٍ من الشبكات.
تقدم هذه الورقة مسحاً شاملاً لتحليل أشكال السحب النقطية الطبية القائمة على التعلم العميق من عام 2021 إلى عام 2025، حيث تستعرض بشكل منهجي الأساليب، ومجموعات البيانات، والتحديات عبر عمليات التسجيل، وإعادة البناء، ونمذجة التباين، مع تحديد الاتجاهات المستقبلية للنشر السريري.
تقدم هذه الورقة ColorCtrl، وهي طريقة لا تتطلب تدريباً تستفيد من نماذج المحولات الانتشارية متعددة الوسائط لتحقيق تحرير لوني دقيق ومتسق ومستقر زمنياً بتوجيه نصي في الصور والفيديوهات من خلال فصل البنية واللون عبر التلاعب المستهدف بخرائط الانتباه والرموز.
تقدم هذه الورقة البحثية مشفرًا تلقائيًا متعدد الوسائط مقنعًا (MultiMAE) لتحليل صور الرنين المغناطيسي ثلاثية الأبعاد للدماغ، والذي يستفيد من الاستدلال عبر التسلسلات أثناء مرحلة ما قبل التدريب للتعامل بمتانة مع تسلسلات المدخلات المفقودة، مما يؤدي إلى تحسينات كبيرة في الأداء مقارنة بالنماذج المرجعية في مهام التجزئة والتصنيف اللاحقة.
يقدم LazyDrag أول طريقة تحرير صور تعتمد على السحب لنماذج محولات الانتشار متعددة الوسائط، والتي تلغي الاعتماد على المطابقة الضمنية للنقاط من خلال توليد خرائط تطابق صريحة، مما يتيح عكسًا مستقرًا بكامل القوة دون الحاجة إلى تحسين وقت الاختبار، ويحقق أداءً رائدًا في التحكم الهندسي الدقيق والتحريرات المعقدة الموجهة بالنصوص.
تقترح هذه الورقة البحثية L2M-Reg، وهي طريقة جديدة للتسجيل الدقيق القائم على المستويات تعالج صراحةً عدم يقين التعميم في نماذج المدن ثلاثية الأبعاد ذات التفاصيل الدلالية من المستوى الثاني (LoD2) لتحقيق محاذاة دقيقة وفعالة على مستوى المباني مع سحب النقاط لليدار (LiDAR) الخارجية.
تحدد هذه الورقة أن التحيز المكاني في نماذج الرؤية واللغة الكبيرة ينبع من عدم تطابق الانتباه بين مشفر الرؤية والنموذج اللغوي بدلاً من المشفر نفسه، وتقترح آلية خفيفة الوزن لحقن السياق العالمي التكيفي (AGCI) للتخفيف من هذا التحيز وتعزيز المتانة المكانية دون إجراء تعديلات هيكلية.
تقدم الورقة البحثية نموذج video-SALMONN S، وهو نموذج لغوي كبير صوتي-بصري تدفقي معزز بالذاكرة، يستخدم التدريب في وقت الاختبار لتحويل التمثيلات قصيرة المدى باستمرار إلى ذاكرة طويلة المدى، مما يمكنه من معالجة فيديوهات تزيد مدتها عن 3 ساعات والتفوق بشكل كبير على النماذج الحالية في معايير التعلم طويل الأمد والتعلم العرضي.
يُعد SAIL-RL إطار عمل للتعلم التعزيزي ثنائي المكافأة يعمل على تعزيز النماذج اللغوية الكبيرة متعددة الوسائط من خلال تعليمها تكيفياً متى تنخرط في التفكير العميق مقابل الإجابة المباشرة، مما يؤدي إلى تحسين دقة الاستنتاج، وتقليل الهلوسة، وتحقيق أداء تنافسي ضد النماذج التجارية رفيعة المستوى.
تقترح هذه الورقة إطار عمل MaMOL، وهو إطار عمل "خليط من LoRAs" (Mixture-of-LoRAs) فعال في المعلمات ومدرك لفقدان البيانات، يستخدم آلية توجيه مزدوجة لتوحيد سيناريوهات فقدان الأنماط المتنوعة في تصنيف الاستشعار عن بعد، مما يعزز بشكل كبير من متانة النموذج وقدرته على التعميم مع حد أدنى من التكاليف الحسابية الإضافية.