COMET 提出解耦式持续视觉语言学习框架

Seungyoon Woo、Keonhee Park 与 Gunhee Kim 提交论文，提出 COMET（Collaborative Mixture-of-Expert Transfer）方法，用于任务无关的持续视觉-语言学习。作者称，该方法针对 CLIP 等模型在此类学习中出现的模态一致性漂移、表征空间干扰和单任务容量不足三个问题，将特征参考、专家塑造、路由与容量控制解耦设计，以分别应对上述问题。 目前公开信息仅为论文中的方法陈述，未给出实验验证结果或与其他方法的对比结论。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。