跳到正文
arXiv · 机器人与计算机视觉· Xihua Sheng, Ruijie Liu, Chang Wen Chen·· 2026-10-12AI 评分72

Video Codec-Guided Training-Free Token Compression for Video Large Language Models

Video Codec-Guided Training-Free Token Compression for Video Large Language Models

AI 导读

该论文提出了一种基于视频编解码信息的无训练令牌压缩方法,用于优化视频大语言模型(VLLM)的高效推理。该方法利用压缩视频中已有的编码信息作为低成本搜索先验,将参考帧依赖、运动向量和残差与视觉令牌网格对齐。

来源:arXiv · 机器人与计算机视觉 · arxiv.org