arXiv · 机器人与计算机视觉· Dingqiang Ye, Jiacong Xu, Wen Zhang, Yiqun Mei, Vishal M. Patel·· 54 分钟前AI 评分59
Recurrent Vision Language Models Solve the Shell Game
Recurrent Vision Language Models Solve the Shell Game
AI 导读
针对视觉语言模型(VLM)在处理隐藏物体追踪任务时存在的长序列推理瓶颈,本文提出 RecurrentVLM 架构,通过让预训练 VLM 的注意力层在时间上循环计算键值来解决串行计算限制。
来源:arXiv · 机器人与计算机视觉 · arxiv.org