arXiv · 机器人与计算机视觉· Qitong Wang, Jihui Jin, Divya Kothandaraman, Vishnu Raj, Christopher Rasmussen·· 12 小时前AI 评分58
一次传输、本地提问:用于端侧问答的紧凑音视频记忆
Transfer Once, Ask Locally: Compact Audio-Visual Memory for On-Device Question Answering
AI 导读
针对轻量级用户设备上的音视频问答任务,本文提出一种免训练的查询无关令牌剪枝框架,通过蒙特卡洛沙普利估值定义视频时空块和音频窗口为播放器,结合嵌入覆盖目标保留高重要性令牌以构建可复用记忆。
来源:arXiv · 机器人与计算机视觉 · arxiv.org