CRLoMTL

新框架CRLoMTL使用低秩矩阵改进多任务学习

研究人员开发了CRLoMTL，这是一个新颖的框架，旨在通过解决负迁移来改进计算机视觉中的多任务学习（MTL）。该方法利用低秩矩阵来解决任务之间的冲突，学习特定于任务的更新，并通过基于奇异值分解的共享子空间融合机制将它们集成起来。使用Swin Transformer骨干网络在PASCAL-Context和NYUD-v2等数据集上进行的实验表明，与单任务基线相比，CRLoMTL在可训练参数显著减少的情况下实现了更高的准确性。