视觉语言模型 / CVPR2026
GaussianVision:利用2D高斯泼溅从压缩图像表示实现视觉-语言对齐
GaussianVision: Vision-Language Alignment from Compressed Image Representations using 2D Gaussian Splatting
用2D高斯泼溅作为紧凑、空间自适应的视觉表示替代RGB像素,配合冻结的RGB Transformer骨干和轻量输入茎,可显著降低传输与词元开销,为视觉语言模型提供可复用的高效视觉前端。
2D高斯泼溅对比学习预训练视觉语言对齐