arXiv · 机器人与计算机视觉· Shuo Yang, Changbai Li, Linlin Yang, Huobin Tan, Rongyu Chen, Tongfei Chen, Tian Wang, Sheng Xu, Baochang Zhang·· 2026-10-07AI 评分45
DIPrune:基于双重重要性的任务感知 Token 剪枝框架
DIPrune: Task-Aware Token Pruning with Dual Importance for Efficient Multimodal Language Models
AI 导读
DIPrune 提出一种无需训练的剪枝方法,通过最小化最终任务损失来缓解浅层显著 Token 抑制深层语义信号的问题。该方法在 LLaVA 和 Qwen-VL 模型上实现了最先进效果,其核心在于联合优化层内静态特征显著性与层间动态语义演化。该研究旨在解决现有视觉冗余剪枝导致的语义退化问题,为高效多模态大语言模型提供新方案。
来源:arXiv · 机器人与计算机视觉 · arxiv.org