跳到正文
arXiv · 机器人与计算机视觉· Pengyu Li, Zhitao Gao, Lingling Zhang, Heng Wang, Chengqian Ma, WenHao Wang, Wenxuan Huang, Chen Zheng, Jun Liu·· 13 小时前AI 评分73

Do Thinking VLMs Need to Keep Looking at Long Videos? Write It Down, Then Look Away

Do Thinking VLMs Need to Keep Looking at Long Videos? Write It Down, Then Look Away

AI 导读

论文提出了 LookAway 方法,解决视觉语言模型在处理长视频时持续读取关键值缓存(KV cache)的高计算开销问题。该方法让模型先在视频中写下带时间戳的笔记以记录关键信息,随后在推理过程中隐藏视频 KV Cache。

来源:arXiv · 机器人与计算机视觉 · arxiv.org