实体
vision encoder
vision encoder
PulseAugur coverage of vision encoder — every cluster mentioning vision encoder across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
MoE-ViE: 用于高效图像和视频理解的混合专家视觉编码器
研究人员开发了 MoE-ViE，一种用于高效图像和视频理解的混合专家（Mixture of Experts）视觉编码器。该架构探索了细粒度拓扑和无辅助损失的平衡，其性能持续优于密集视觉编码器。最大的 MoE-ViE 模型实现了与比其大 1.7 倍的 SOTA 编码器相当的性能，同时延迟显著降低。与大型语言模型集成后，MoE-ViE 在图像和视频基准测试上的表现均优于具有显著更多激活参数的编码器。
-
新研究解决多模态大语言模型的联邦持续学习问题 · 跟踪到2个来源
两篇新研究论文解决了多模态大语言模型（MLLMs）联邦持续学习中的挑战。第一篇论文介绍了FedCMM，一个通过实现模态感知弹性权重巩固、用于重放的合成数据生成以及任务相似性感知梯度聚合来对抗MLLMs灾难性遗忘的框架。第二篇论文提出了HERO，一个通过分离任务分割、客户端数据分割和客户端任务顺序来标准化联邦持续学习评估的基准库，旨在提高不同FCL方法之间的可比性和可复现性。