arXiv cs.AI· Yihang Huang, Peisong Wen, Chenhao Zhou, Difu Feng, Qianqian Xu·· 8 小时前AI 评分22
SAVER：面向样本感知的视觉 token 压缩，重新审视相关性-多样性平衡
When 1+1 Backfires: Rethinking Relevance-Diversity Balancing for Sample-Aware Visual Token Reduction
AI 导读
研究提出 SAVER 框架，指出视觉 token 压缩中相关性-多样性的平衡并非固定常数，而是随样本变化。SAVER 通过 Geometric Intent Prior（GIP）推断样本专属权重，结合 Weighted Text Centroid（WTC）与 Visual Marginal Coverage Gain（VMCG）联合选 token，无需额外训练。
来源：arXiv cs.AI · arxiv.org