لقد اكتسبت التخصيص الفعّال للبارامترات (PET) اهتمامًا متزايدًا نظرًا لخفض عدد البارامترات مع الحفاظ على الأداء وتقديم توفير أفضل في الموارد الهardware، لكن قلة من الدراسات استقصت مهام التنبؤ الكثيف أو التفاعل بين الوسائط. في هذه الورقة، نقوم بدراسة لمشكلات التخصيص الفعّال في مهمة التجزئة الصورية المرتبطة بالإشارة. نقترح مُعدّلًا جديدًا يُدعى Bridger لتسهيل تبادل المعلومات عبر الوسائط وإدخال معلومات مخصصة للمهمة إلى النموذج المُدرّب مسبقًا. كما صممنا أيضًا فكّ شفرة خفيف الوزن مخصص لتجزئة الصور. تحقق طريقة عملنا أداءً مُComparable أو أفضل بتحديثات بسيطة جدًا في البارامترات الأساسية، تتراوح بين 1.61% إلى 3.38%، عند تقييمها على معايير صعبة. يُمكن الوصول إلى الكود عبر الرابط: \url{https://github.com/kkakkkka/ETRIS}.