Tag · 2 篇
轻量化部署
分布 强化学习与具身智能1高效模型与推理加速1
01 02
SwiftVLA：以极小开销为轻量 VLA 模型解锁时空动态
SwiftVLA: Unlocking Spatiotemporal Dynamics for Lightweight VLA Models at Minimal Overhead
用预训练的 4D 视觉几何 Transformer 加时序缓存，从 2D 图像流增量提取 4D 特征，再通过可学习的 Fusion Tokens 与未来预测目标把 4D 特征注入轻量 VLM；掩码重建策略让 4D 分支在推理时可丢弃，为视觉侧提供了一条「训练时用几何先验、部署时零开销」的可复用范式。
适配轻量级图像计数模型的视频人群计数
Adapting Lightweight Image-based Counting Models for Video Crowd Counting
把视频中的时空信息定义为可统计解释的量，并用统计正则项在训练阶段注入，从而让任意轻量图像计数模型无需额外模块、无需多帧缓存即可获得时序增益；对做视频密集预测、想在边缘端实时部署的人，这是一个可直接套用的「训练时加正则、推理时零开销」范式。