arXiv · 机器人与计算机视觉· Jingfeng Chen, Jiawen Qian, Wendi Deng, Yinuo Guo, Jiaqi Yu, Sicong Leng, Raghuveer Thirukovalluru, Bhuwan Dhingra·· 2026-10-19精选AI 评分82
LDDR:用于视频多模态大模型的线性 DPP 动态分辨率帧采样方法
LDDR: Linear-DPP Dynamic-Resolution Frame Sampling for Video MLLMs
AI 导读
针对长视频理解中帧选择效率低且难以平衡信息量的问题,本文提出 LDDR(Linear-DPP Dynamic-Resolution)框架。该方法无需训练,通过任务感知的行列式点过程(DPP)在特征空间进行查询感知帧选择,并引入组 DPP 重要性评分以指导非均匀 token 预算分配:为关键帧保留更多 token 同时降采样冗余帧。
推荐理由
提出无需训练的 LDDR 框架,通过任务感知的 DPP 采样与动态分辨率分配,在视频 MLLM 低预算设置下提升 2.5 个点。
来源:arXiv · 机器人与计算机视觉 · arxiv.org