arXiv · 机器人与计算机视觉· Joungbin An, Kristen Grauman·· 10 天前AI 评分75
AdaAlloc:面向长视频问答的自适应视觉令牌分配方法
AdaAlloc: Adaptive Visual Token Allocation for Long-Video Question Answering
AI 导读
针对长视频问答中多模态大模型面临的全局覆盖与局部细节权衡难题,该研究提出 AdaAlloc 框架。该方法无需训练即可在推理阶段自适应分配视觉令牌,结合全局概览与高分辨率局部证据,通过时序定位构建紧凑记忆并控制采样密度与分辨率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org