arXiv cs.CV· Yongxin Zheng, Hao Wu, Fang Li, Hu Fu, Peiran Yin, Xudong Wang, Haozhe Hu, Xinghao Chen, Yunpu Ma, Wei Zhang, Xiaoyu Shen·· 2 小时前AI 评分24
GeoGR：面向高效 3D VLM 的空间-语义 Token 压缩与分组路由
GeoGR: Spatial-Semantic Token Compression and Group Routing for Efficient 3D VLMs
AI 导读
针对多视角 3D 视觉语言模型视觉 token 序列过长导致推理成本高的问题，研究者提出两阶段框架 GeoGR：投影层用 GeoSemZip 将跨视角观测聚合为 3D voxel token 并构建紧凑场景表示，LLM 层用 GroupRoute 结合晚进入、早退出与可恢复分组跳过来跳过低相关 token。
来源：arXiv cs.CV · arxiv.org