高效统一多模态理解（EUMU）：第八届 LSVOS Challenge MUMU 赛道获胜方案

英文标题：Efficient Unified Multimodal Understanding (EUMU): Winning Solution for the MUMU Track at the 8th LSVOS Challenge

论文介绍了 Efficient Unified Multimodal Understanding（EUMU），这是第八届 LSVOS Challenge 中 Mobile Unified Multimodal Understanding（MUMU）赛道的获胜方案。MUMU 挑战要求使用单一高效模型，同时完成多概念图像标注、开放词汇目标检测和图像描述三项任务。该工作表明，面向移动端的统一多模态模型能够以较高效率整合多种视觉理解能力，对需要降低模型部署与维护复杂度的开发者具有参考价值。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB