跳到正文
arXiv · AI· Ruimeng Liu, Denan Liang, Ruofei Bai, Fuming Zhang, Kuan Xu, Shenghai Yuan, Lihua Xie·· 9 天前AI 评分23

PhysMoE:基于单 Token 坐标表示在解耦 VLM 中实现快速空间定位

PhysMoE: Fast Spatial Grounding with Single-Token Coordinate Representation in Modality-Decoupled VLMs

AI 导读

summary_zh: PhysMoE 模型提出解耦 VLM 架构,在 9 个坐标定位基准测试中平均提升 15.7%,吞吐量加速 8.31 倍。 其核心创新包括通过物理模态路由共享下层网络,并将每个坐标编码为单个 Token 以复用视觉编码器位置嵌入。

来源:arXiv · AI · arxiv.org