Tag · 2 篇
几何感知
分布 高效模型与推理加速1视觉语言模型1
01 02
LiteVGGT：通过几何感知缓存词元合并加速原生 VGGT
LiteVGGT: Boosting Vanilla VGGT via Geometry-aware Cached Token Merging
把「词元合并」这一 ViT 加速手段引入 VGGT 这类多视图几何 Transformer，并利用相邻层合并决策稳定的性质缓存复用合并索引，可直接迁移到其他长序列视觉 Transformer（如多视图/视频 backbone）的推理加速与显存压缩。
GeoTikzBridge：推进面向几何感知与推理的多模态代码生成
GeoTikzBridge: Advancing Multimodal Code Generation for Geometric Perception and Reasoning
通过生成 TikZ 代码作为中间表示来增强 MLLM 的细粒度几何感知，这种「代码即表示」的思路可迁移到需要精确几何输出的视觉任务（如场景图生成、CAD 重建），也可作为即插即用的推理模块提升几何问题求解。