视觉token

Ego：视觉语言模型的嵌入引导个性化

Ego: Embedding-Guided Personalization of Vision-Language Models

利用 VLM 内部注意力提取代表目标概念的视觉 token 作为概念记忆，无需额外训练即可在测试图像中召回并描述个性化概念，为视觉语言模型的免训练个性化与概念绑定提供可复用思路。