用于多任务密集预测的原型内存的任务状态适应

视觉基础骨干网为密集预测提供了强大的表示，但单个共享特征仍然需要支持具有不同的、依赖于图像的适应要求的任务。我们提出了 MemMTL，一个多任务密集预测框架，它从全局视觉上下文中估计紧凑的任务状态，并通过可学习的任务状态原型存储器对其进行细化。在对所有任务共享的本地专家库进行稀疏 top-$k$ 选择之前，将精炼状态转换为任务条件专家 logits 并与 词元级 logits 组合。一个独立的与任务无关的残差库提供了一个通用的适应路径，并且在特定于任务的预测之前，这两个路径都被添加到主干特征中一次。我们在 NYUD-v2 和 PASCAL-Context 上指定了一个匹配的评估协议，具有 SAM 3 和 ViT-L 主干，以测量预测质量、计算成本以及任务状态调节、原型检索和稀疏路由的贡献。当前工作草案中的数字记录早于该规范实施，并且必须重新生成才能支持经验主张。