Skip to content
Hot eventLive

视频编解码引导的免训练视频大模型token压缩方法

1 reports1 sources2 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 2 hr ago

LatestOct 12
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。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. 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。

Heat trend

There is not enough continuous observation data to draw a trend yet.