跳到正文
热点事件观察中

提出 V-CoLA 视觉 Token 压缩方法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Hao Jiang 等作者提出面向线性注意力的免训练视觉 Token 压缩框架 V-CoLA，可通过唯一性感知重要性准则识别关键视觉 Token，并自适应合并 Token。实验显示，保留 50.0% 的视觉 Token 时可达到原始性能的 99.5%；保留 12.5% 时性能超过 88.0%，prefill speedup 达到 1.86×至 6.15×。

AI 根据报道生成 · 12 小时前更新

最新进展10月21日 12:00
V-CoLA：基于线性注意力的视觉 Token 压缩

报道时间线

沿着报道，了解事件的不同侧面。

10月21日
  1. arXiv · Machine Learning
    V-CoLA：基于线性注意力的视觉 Token 压缩

    V-CoLA提出面向线性注意力的高效、无需训练的视觉 Token 压缩框架，以唯一性感知重要性准则识别关键视觉 Token，并通过自适应 Token 合并完成压缩。实验显示，仅保留50.0%的视觉 Token即可达到原始性能的99.5%，保留12.5%时性能超过88.0%，prefill speedup达到1.86×至6.15×。

本事件热度走势

可比范围当前
5
可比范围峰值
710月22日 03:00
近 24 小时变化
–

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。