**MoE-ViE:基于专家混合的高效视觉编码器,实现图像与视频理解新突破**

_MoE-ViE: Mixture of Experts Vision Encoder for Efficient Image and Video Understanding_

> Facebook Research提出MoE-ViE(专家混合视觉编码器),通过细粒度MoE拓扑结构在保持计算效率的同时显著提升视觉语言模型性能。该设计引入无辅助损失的平衡变体和专用MoE内核,在推理延迟降低24%的情况下,达到同等性能下1.7倍大小编码器的零样本效果。最大模型在图像和视频基准测试中全面超越对比编码器,代码已开源。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-08-19 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.17402)