OmniSelect 提出免训练模态自适应 token 压缩框架
热点事件持续更新
OmniSelect 提出免训练模态自适应 token 压缩框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Morunliu Yang 等作者提出 OmniSelect，一个免训练、模态自适应的 token 剪枝框架，用于全模态大语言模型的高效推理。 该框架借助轻量级 AudioCLIP 估计跨模态相关性，将输入划分为 Audio-Centric、Video-Centric 和 Uniform 三种剪枝模式，并在各时间组内自适应分配剪枝比例。作者称其无需训练即可动态为多模态输入选择压缩策略。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
OmniSelect：面向高效全模态大语言模型的动态模态感知 token 压缩报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CVOmniSelect：面向高效全模态大语言模型的动态模态感知 token 压缩
OmniSelect 是一个免训练、模态自适应的 token 剪枝框架，用于全模态大语言模型的高效推理。它借助轻量级 AudioCLIP 估计跨模态相关性，将输入划分为 Audio-Centric、Video-Centric 和 Uniform 三种剪枝模式，并在各时间组内自适应分配剪枝比例。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。