双层映射器：异构数据视频多任务提示学习
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了视频理解任务中缺乏多标签数据的问题，提出了一种异构数据视频多任务提示学习方法。通过引入双层映射器，有效提取共享知识并与主要任务表示对齐。实验表明，该方法在6个不同的视频理解任务和11个数据集上表现优于基线方法。
多任务学习（MTL）是一种灵活有效的学习方法，结合了任务特定和共享信息，解决多个相关任务。本综述从传统方法到深度学习和预训练模型的最新趋势，对MTL的发展进行了全面概述，并将其分类为正则化、关系学习、特征传播、优化和预训练五个关键领域。同时，探讨了MTL从处理固定任务到接受无任务或模态限制的更灵活方法，以及任务提示、不可知训练和ZSL的概念。综述旨在提供对MTL从1997年到2023年的最新进展的全面概述，同时探讨当前挑战和未来可能性，为MTL研究指明方向。
