热点事件持续更新
视频编解码引导的免训练视频大模型token压缩方法
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv Computer Vision（一手）报道提出一种面向视频大语言模型（VLLM）的视频编解码引导免训练token压缩方法。该方法利用压缩视频中已有的编码信息作为低成本搜索先验，对齐参考帧依赖、运动向量与残差，从而减少特征比较次数，且不修改基础VLLM。研究在三个代表性VLLM和四个视频理解基准上验证，性能与SOTA免训练基线FlashVID相当、部分设置更优。实验表明，编解码信息可改善视频token压缩的精度—复杂度权衡。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
新报道提出编解码引导免训练token压缩方法，性能与FlashVID相当、部分更优。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Computer Vision视频编解码引导的免训练 token 压缩方法用于视频大语言模型
提出一种面向视频大语言模型（VLLM）的视频编解码引导免训练 token 压缩方法，利用压缩视频中已有的编码信息作为低成本搜索先验，对齐参考帧依赖、运动向量与残差，减少特征比较次数且不修改基础 VLLM。在三个代表性 VLLM 和四个视频理解基准上，性能与 SOTA 免训练基线 FlashVID 相当、部分设置更优。实验表明编解码信息可改善视频 token 压缩的精度—复杂度权衡。
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。