ReFIT：面向加速图像理解的自适应视觉 token 削减

论文提出 ReFIT，一种面向高效 LVLM 推理的指令引导视觉 token 削减框架，由 Relevance-Guided Window Reshaping（RWR）与 Instruction-Guided Token Refinement（ITR）组成。