arXiv · 机器人与计算机视觉· Muhammad Asad Ali, Umar Khan, Nadia Robertini, Didier Stricker·· 6 天前AI 评分38
MoTE:多任务视频理解中的任务专家混合架构
MoTE: Mixture of Task Experts for Multi-Task Video Understanding
AI 导读
VideoLLM-MoTE 提出将大语言模型前馈网络转化为特定任务的专家架构,在 COIN 基准测试中激活约 20 亿参数即实现高于近期基线的平均 Top-1 准确率。该设计通过样本级任务路由使计算独立于存储的专家数量,相比稠密全激活及学习到的稀疏路由均表现更优。论文已获 BMVC 2026 接收,包含补充材料并开源代码与数据。
来源:arXiv · 机器人与计算机视觉 · arxiv.org