面向视频语言模型的基于内容的自适应Token剪枝策略

该策略通过动态分析Token嵌入相关性，在保留10% Token的情况下将视频字幕基准准确性提升7%，同时降低95%计算量。 方法属于事后处理，无需额外训练或微调，能在静态场景大幅剪枝的同时保留动态场景信息。