跳到正文
arXiv · 机器人与计算机视觉· Dayoon Ko, Yichuan Wang, Soyeong Jeong, Joseph E. Gonzalez, Gunhee Kim, Sewon Min·· 3 天前AI 评分53

StreamEmbed:基于像素差异的屏幕截图实时索引系统

StreamEmbed: Real-Time Indexing from Pixels for Screenshot Retrieval

AI 导读

针对屏幕历史作为可搜索视觉记忆的需求,本文提出了 StreamEmbed 系统,通过空间 Token 剪枝与时间 KV 缓存复用技术,利用截图间的像素冗余实现增量视觉嵌入。实验显示该系统在 M2 Pro GPU 上将编码速度提升最高 3.7 倍,相比 OCR 索引在同等延迟下 Recall@10 提升 6.3 个点,且仅需 0.13 GB RAM 即可存储模拟一年的截图数据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org