跳到正文
热点事件持续更新

VidToC 框架发布:多模态大模型的受控视频压缩评估

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Zihan Xiao 等人于 2026 年 11 月 20 日在 arXiv 公开了 VidToC 评估框架,旨在重新思考多模态大语言模型(MLLMs)的视频 Token 压缩策略。该框架涵盖免训练与微调两种设置,在三个互补的视频理解任务上对比了代表性压缩算法、LLM 骨干网络及时序编码方法。 研究揭示了视频理解任务对压缩行为的依赖性,并量化了压缩位置、时间编码方式及架构选择的具体影响,为跨任务设计视频 Token 压缩策略提供了实证指导。

AI 根据报道生成 · 3 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20日
  1. arXiv · 机器人与计算机视觉
    VidToC:重新思考多模态大语言模型的视频 Token 压缩

    VidToC 是一个受控评估框架,涵盖免训练与微调设置,在三个互补的视频理解任务上对比了代表性压缩算法、LLM 骨干及时间编码策略。研究揭示了任务依赖的压缩行为,并量化了压缩位置、时间编码方式及架构选择的影响,为跨任务设计视频 Token 压缩策略提供实证指导。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。