跳到正文
arXiv · 机器人与计算机视觉· Jinghua Hou, Zhe Liu, Hengshuang Zhao·· 2026-10-09AI 评分45

DVD:面向 MLLM 的高效感知动态向量解码方法

DVD: Dynamic Vector Decoding for Efficient MLLM-based Perception

AI 导读

DVD 提出一种统一 2D 与 3D 感知任务的动态向量解码方法,将边界框等表示转化为紧凑离散 token 以适配多模态大语言模型。在 RefCOCO、KITTI、nuScenes 等基准上,该方法显著降低 token 开销并减少推理延迟。该工作为集成感知能力至 MLLM 提供了高效通用框架,代码与权重开放许可状态待定。

来源:arXiv · 机器人与计算机视觉 · arxiv.org