跳到正文
arXiv · 机器人与计算机视觉· Nitish Shukla, Surgan Jandial, Nhat-Tan Bui, Arun Ross·· 16 天前AI 评分75

SIEVE:通过深度感知令牌压缩保留跨图像证据

SIEVE: Preserving Cross-Image Evidence via Depth-Aware Token Compression

AI 导读

针对多图像视觉语言模型处理长序列时的计算开销问题,论文提出免训练的单次遍历框架 SIEVE。该方法先将每幅图像池化为紧凑空间网格以降低早期处理成本,随后利用提示注意力在等配额下逐步选择代表并聚合未选令牌,确保每幅图像均有独立表征且保留跨图像互补证据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org