arXiv · 机器人与计算机视觉· Juntao Xu, Qichai Zhao, Rui Sun, Zhouyang Jiang, Shiwei Wu, Zhi Li, Kaisheng Ma, Yu Liu·· 6 天前AI 评分72
Keep Images in Sight:面向长上下文多模态大模型的视觉位置重锚方法
Keep Images in Sight: Visual Position Re-Anchoring for Long-Context MLLMs
AI 导读
针对长上下文多模态智能中图像细节访问不可靠的问题,本文提出无需训练的 Visual Position Re-Anchoring (VPR) 方法。该方法通过调整缓存中的视觉键旋转相位至短上下文参考点,直接作用于现有 KV 缓存,无需提取注意力图或增加模型前向传播。
来源:arXiv · 机器人与计算机视觉 · arxiv.org