跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. 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
–

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。