时空压缩

面向超低保留率视频大语言模型的统一时空词元压缩

Unified Spatiotemporal Token Compression for Video-LLMs at Ultra-Low Retention

提出一种无需重训练、即插即用的视频大语言模型视觉词元压缩方法，通过全局时空分配和文本感知合并，在极低保留率下保持性能，可直接用于降低视频理解任务的推理成本。