arXiv · 机器人与计算机视觉· Dayu Wang, Shasha Xu·· 2 天前AI 评分73
可编辑视频上下文:用于上下文管理视频 LLM 的中间上下文 KV-Cache 复用
Editable Video Context: Mid-Context KV-Cache Reuse for Context-Managing Video LLMs
AI 导读
Dayu Wang 等人提出了一种针对视频语言模型的上下文管理机制,通过多模态旋转位置编码(M-RoPE)和基于内容哈希的缓存策略,实现了长视频的稀疏采样与关键片段的高效解码。实验表明,该方法在合成针孔视频中能显著降低预填充 token 数和重建延迟,且通常保持回答准确性;代码、日志及复现脚本已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org