Tag · 3 篇

时空冗余

分布高效模型与推理加速2视频理解与时序1

Token Reduction via Local and Global Contexts Optimization for Efficient Video Large Language Models

面向视频大语言模型的免训练词元压缩：用注意力引导的帧内/帧间锚点加最优传输，把被剪词元的信息聚合进锚点，可直接套用到任何视频 LLM 的视觉编码器与 LLM 之间，降低视觉词元数而不丢时序细节。

DeltaQuant: 4-bit Video Diffusion Models with Spatiotemporal Delta Smoothing

DeltaQuant 将视频扩散模型中的激活值按 3D 时空立方体分组，仅对差分词元做 4-bit 量化，核心词元保留 FP8，为视频生成模型在消费级 GPU 上的低比特推理提供了可复用的量化范式。

AdaSpot: Spend Resolution Where It Matters for Precise Event Spotting

提出一种无监督、任务感知的区域选择策略，在低分辨率全局特征引导下自适应选取每帧高分辨率区域，为视频时序动作定位中平衡精度与效率提供了可复用的思路。