Tag · 2 篇
推理加速
分布 视觉语言模型1图像编辑与可控生成1
01 02
StreamRAG：以检索增强提升实时视频理解
StreamRAG: Enhancing Real-Time Video Understanding with Retrieval Augmentation
把 RAG 从离线视频搬到流式视频，其 Stream Event Segmentation 的实时边界检测和 Token-Reusing Accelerator 的跨帧计算复用，可直接用于任何需要低延迟视频字幕/检索的视觉语言流水线。
HierEdit：面向高效高分辨率编辑的区域感知分层扩散模型
HierEdit: Region-Aware Hierarchical Diffusion for Efficient High-Resolution Editing
把高分辨率编辑拆成「低分辨率代理定位 + 局部窗口 MMDiT 精修」两级流程，只对改动区域做全分辨率去噪、未改动区域作为条件复用，可直接迁移到 4K 修复/重绘等需要避免全图注意力开销的编辑任务。