跳到正文
arXiv · 机器人与计算机视觉· Yuxuan Wang, Guangxiang Zhao, Yuxuan Tian, Yahui Han, Xinyu Tan, Feiyu Wang, Zongwei Lv, Xiangzheng Zhang, Lin Sun, Tong Yang·· 2 天前AI 评分66

Glance, then Select:证据调节的视觉 Token 选择用于极度压缩的多模态大模型

Glance, then Select: Evidence-Tempered Visual Token Selection for Extremely Compressed Multimodal LLMs

AI 导读

论文提出 Glance-ETD 框架,通过轻量级问题条件评分器分两阶段减少视觉 token。第一阶段以低分辨率概览图像并仅重编码相关问题区域;第二阶段结合多样性与预测证据选择最终 token,确保覆盖场景且保留答案。

来源:arXiv · 机器人与计算机视觉 · arxiv.org