令牌压缩

ReMoRa：基于精细化运动表征的多模态大语言模型用于长视频理解

ReMoRa: Multimodal Large Language Model based on Refined Motion Representation for Long-Video Understanding

用块级运动矢量作为光流式的紧凑时序代理，替代逐帧 RGB 输入，并配去噪模块提升运动表征保真度；对做长视频理解的人，这是一条把解码与序列长度成本从 RGB 帧转移到压缩域的可复用路径。