跳到正文
arXiv · 机器人与计算机视觉· Paribesh Regmi, Qingshuang Chen, Chi Zhang, Heba Aly, Yelin Kim, Hongda Mao·· 23 天前AI 评分71

面向视频语言模型的Content-Aware Adaptive Token Pruning方法发布

Content-Aware Adaptive Token Pruning for Video-Language Models

AI 导读

针对视频处理中多帧分析导致的推理延迟问题,该方法提出基于Token嵌入相关性结构自适应确定剪枝比度的策略,动态保留动态场景信息并激进剪枝静态内容。实验显示在视频描述基准上,10% Token保留率下准确率提升7%,计算量减少95%。方法完全后处理且无需额外训练或微调。

来源:arXiv · 机器人与计算机视觉 · arxiv.org