MILE：領域・モダリティをまたぐ連続意味セグメンテーションのための漸進的LoRAエキスパート混合
arXiv cs.CV / 2026/5/6
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、MILEという連続的意味セグメンテーション手法を提案し、新しい領域やモダリティを学習しても過去の性能を損なわないことを目指しています。
- MILEはLoRAを用いて、新しいタスクごとに軽量なエキスパートを追加しつつ、事前学習済みのベースネットワークを凍結することで、壊滅的忘却を抑えます。
- 推論時にはプロトタイプに基づくゲーティング機構が最適なエキスパートを動的に選択し、タスク／領域／モダリティへの適合を高めます。
- 著者らは、MILEが安定性・可塑性・スケーラビリティの面で改善しつつ、ベンチマークで強い性能を示し、タスクごとのパラメータ増加を小さく抑えながら学習・保存コストも効率化できると報告しています。
