Tag · 2 篇
记忆增强
分布 底层视觉与图像复原1视觉语言模型1
01 02
用于快速红外与可见光视频融合的流式扩散模型
Streaming Diffusion Model for Fast Infrared and Visible Video Fusion
将预训练扩散模型的生成先验蒸馏到单步采样框架，并用记忆增强的潜变量管道与时序聚合适配器保证视频帧间一致性，为视频复原/融合任务提供高效且时序稳定的扩散方案。
基于记忆反馈的问题引导视觉压缩用于长视频理解
Question-guided Visual Compression with Memory Feedback for Long-Term Video Understanding
提出问题引导的多模态选择性注意力（QMSA），将上下文记忆中的历史帧反馈到当前感知，用于压缩长视频中的视觉 token；该机制可复用于任何需要长时序视觉 token 压缩的 VLM 推理流程。