跳到正文
arXiv · 机器人与计算机视觉· Eunju Park, Uiwon Hwang·· 2026-10-19AI 评分73

CatchUp:一种用于高效大视觉语言模型的深度感知视觉令牌重准入方法

CatchUp: Depth-Aware Re-Admission of Visual Tokens for Efficient Large Vision-Language Models

AI 导读

针对大视觉语言模型在处理视觉令牌时计算与内存成本高的问题,该研究提出了一种无需训练的 CatchUp 框架。该方法通过深度感知的机制重新评估查询条件化的视觉相关性,仅处理选定的视觉令牌,并利用参考轨迹信号近似缺失的表示演化,从而在减少活跃视觉令牌数量的同时保持高性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org