方陈欣等提出视频多模态大模型视觉 Token 编码范式
热点事件持续更新
方陈欣等提出视频多模态大模型视觉 Token 编码范式
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
方陈欣等人提出基于视频编码原理的 Visual Token Coding(VTC)范式,旨在实现视频多模态大模型的高效压缩。该设计作为即插即用模块,无需微调模型即可显著降低成本。在 Qwen3-VL 上的实验显示,VTC 在实现 50% 压缩比时性能保留率达 98.4%,其增强版 VTC_dy 更将性能提升至 100.3%。相关代码已附于补充材料中。
AI 根据报道生成 · 10 小时前更新
最新进展11月19日 13:00
Visual Token Coding 实现视频多模态大模型高效压缩报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉Visual Token Coding 实现视频多模态大模型高效压缩
Visual Token Coding(VTC)提出一种基于视频编码原理的令牌压缩范式,在 Qwen3-VL 上实现 50% 压缩比时性能保留率达 98.4%,增强版 VTC_dy 更提升至 100.3%。该设计作为即插即用模块无需微调模型即可显著降低成本,相关代码附于补充材料中。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 17:00
- 近 24 小时变化
- –
02.557.510
18:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。