本文介绍了多种视频实例分割的新方法，如MaskFreeVIS、OpenVIS和VMT。这些方法通过减少人工注释需求，利用高效特征提取和自动注释技术，提升了视频中对象的分割和跟踪性能，并在多个基准测试中展示了其有效性和竞争力。

本文提出全能视觉多任务适配器（VMT-Adapter）用于计算机视觉任务，通过共享任务知识增强跨任务交互，保留任务特定知识。同时提出VMT-Adapter-Lite以减少可训练参数。实验证明VMT-Adapter(-Lite)相对改进3.96%（1.34%），仅利用预训练模型约1%（0.36%）的可训练参数。