技术栈
视觉token压缩
山顶夕景
2 小时前
计算机视觉
·
视频问答
·
多模态理解
·
视觉token压缩
【VLM】AdaCodec:用“预测视觉码”替代逐帧RGB输入
AdaCodec：面向视频 MLLM 的预测式视觉 Token 压缩 AdaCodec: A Predictive Visual Code for Video MLLMs
我是有底线的