arXiv cs.CV· Roy Xie, Dan Friedman, Donghan Yu, Bowen Pan, Christopher Fifty, Jang-Hyun Kim, Xianzhi Du, Zhe Gan, Vivek Rathod, Bhuwan Dhingra·· 2 小时前AI 评分27
LensVLM：面向文本压缩视觉表征的选择性上下文扩展
LensVLM: Selective Context Expansion for Compressed Visual Representation of Text
AI 导读
基于 Qwen3.5-9B-Base 的 LensVLM 通过让 VLM 先扫描压缩图像、再用学习到的工具选择性扩展相关图像，在 4.3 倍有效压缩下保持与全文上限相当的准确率，并在七个文本 QA 基准上以最高 10.1 倍有效压缩超越基于检索及文本、视觉压缩的基线。
来源：arXiv cs.CV · arxiv.org