13202 ورقة بحثية
تقترح هذه الورقة DualSpeed، وهو إطار عمل للتدريب السريع-البطيء يجمع بين تقليم الرموز البصرية من أجل الكفاءة مع وضع مساعد للتسلسل الكامل والتقطير الذاتي لمعالجة عدم التطابق بين التدريب والاستدلال، مما يؤدي إلى تسريع تدريب النماذج اللغوية الكبيرة متعددة الوسائط (MLLM) بمقدار يصل إلى 4.0 أضعاف دون المساس بالأداء.
يعتبر PrevizWhiz نظاماً يسد الفجوة بين المشاهد ثلاثية الأبعاد الأولية ونماذج الفيديو التوليدية لتمكين صناع الأفلام من إنشاء نماذج تصور مسبق (previsualizations) عالية الدقة وذات طابع فني بسرعة، مما يقلل الحواجز التقنية ويسرع وتيرة التجريب الإبداعي مع تسليط الضوء على تحديات جديدة في صناعة الأفلام المدعومة بالذكاء الاصطناعي.
تقدم هذه الورقة "مبدأ الحد الأقصى من الإنتروبيا غير المؤكدة" المعمم الذي يخفف من شرط المعلومات الخالية من الأخطاء عبر نمذجة نقل البيانات من خلال قناة اتصال عديمة الذاكرة، مما يوفر حداً أعلى للإنتروبيا ويقدم تفسيراً جديداً وتحققاً تجريبياً لمبدأ الحد الأقصى من الإنتروبيا الكلاسيكي.
تقدم هذه الورقة البحثية "تقدير الميزات الاسترجاعي" (RFE)، وهو نهج جديد للتعلم المستمر يخفف من حدة النسيان الكارثي باستخدام سلسلة من الشبكات الصغيرة لعكس تغيرات الميزات ومواءمة التمثيلات الحالية مع فضاءات ميزات المهام الماضية، مما يظهر أداءً فائقاً على المعايير القياسية مقارنة بالأساليب الحالية.
تقدم هذه الورقة البحثية OPENPROS، وهي أول مجموعة بيانات معيارية واسعة النطاق تضم أكثر من 280,000 خريطة واقعية لسرعة الصوت ثنائية الأبعاد وموجات فوق صوتية مقابلة لها مستمدة من نماذج بروستاتا سريرية ونماذج خارج الجسم، والمصممة لتطوير وتقييم طرق التعلم الآلي بدقة للتصوير المقطعي بالموجات فوق الصوتية للبروستاتا ذي الرؤية المحدودة.
يُعد Pose Splatter إطار عمل مبتكرًا يستفيد من تقنية التغطية الغاوسية ثلاثية الأبعاد (3D Gaussian splatting) والنحت الشكلي (shape carving) لتقدير وضعية الحيوان ومظهره بدقة دون الحاجة إلى تعليقات توضيحية يدوية، أو تحسين لكل إطار، أو معرفة هندسية مسبقة، مما يتيح تحليلًا سلوكيًا عالي الدقة وقابلًا للتوسع.
يُعد PointT2I إطار عمل مبتكرًا لا يتطلب ضبطًا دقيقًا، حيث يستفيد من نموذج لغوي كبير لتوليد نقاط مفصلية لوضعية جسم الإنسان مباشرة من النصوص الوصفية، والتي تُستخدم بعد ذلك لتوجيه عملية توليد الصور ويتم تحسينها بواسطة نظام تغذية راجعة قائم على نموذج لغوي كبير لضمان دقة المحاذاة الدلالية.
تقدم الورقة البحثية HueManity، وهو معيار مرجعي واسع النطاق يستخدم صوراً بأسلوب إيشيهارا (Ishihara) ليكشف أن النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) المتطورة تعاني من عجز حرج في الإدراك البصري دقيق التفاصيل مقارنة بالبشر والنماذج المتخصصة، على الرغم من قدراتها القوية في التفكير عالي المستوى.
تتناول هذه المراجعة المنهجية نقص الأدبيات الشاملة حول رسم خرائط الأعشاب الضارة من خلال التوليف النقدي لأحدث الأساليب عبر خط الإنتاج بأكمله — بدءاً من الحصول على البيانات القائمة على الاستشعار وصولاً إلى المعالجة المدفوعة بالتعلم الآلي وأدوات دعم القرار — لتوجيه تطوير أنظمة إدارة الأعشاب الضارة الدقيقة والفعالة والمستدامة.
تقدم هذه الورقة أول مسح منهجي لتقنيات ضغط الرموز (token compression) من أجل نماذج اللغات الكبيرة متعددة الوسائط الفعالة، حيث تصنف الأساليب الحالية بناءً على وسائطها المستهدفة (الصورة، والفيديو، والصوت) وآلياتها الأساسية لتوحيد التقدم الحالي وتوجيه الأبحاث المستقبلية.