该研究提出了一种新的动态适配器（DASD），有效解决了资源匮乏语言中的跨模态检索问题。实验结果表明，DASD在图像-文本和视频-文本数据集上表现优异，显著提升了跨语言跨模态检索性能。

本文探讨点云分析中的高效迁移学习，通过冻结预训练模型参数，结合动态适配器和提示调整，捕捉重要特征与实例特征的交互。实验显示，该方法在减少95%可训练参数和35%训练GPU存储空间的情况下，性能优于完全微调。