PID启发特征增强模型

轻量级超越13B

一种融合P、I、D三支路的多模态特征增强模型，通过闭环反馈同时提升空间细节与语义一致性。

Hexiao, Li · Jia, Zixi · 张祥越 · Leng, Chuanjiang · Heyao, Li · 高宏斌 · Jiqiang, Liu · Qinghua, Liu

Neurocomputing 2025

参数信息

推理显存

8.9 GB

参数量

2.8 B

技术优势

性能反超13B

在多个基准测试中，2.8B参数的MFEGPT超过了其他轻量级MLLM，并达到与13B参数模型相当的性能。

8.9GB就能推理

推理阶段仅需8.9 GB显存，可直接部署在10 GB显存的标准GPU上，无需高端硬件。

细节语义双提升

通过PID启发的P、I、D三支路闭环反馈，同时增强高分辨率空间细节和全局语义一致性。

应用场景

• 多模态大模型：用轻量模型达到13B级性能，降低多模态应用部署门槛。
• 具身智能：在资源受限的具身设备上实现高精度视觉语义理解。
• 机器人视觉：增强机器人对空间细节的感知，提升抓取和导航精度。
• 人机交互：实时理解用户指令和场景，适合消费级设备上的自然交互。