arXiv · NLP· Yijing Chen, Wenhui Tan, Xiaoyi Yu, Yuyue Wang, Xin Cheng, Kaisi Guan, Hao Jiang, Xiangyang Li, Guojie Zhu, Ruihua Song·· 2026-10-06AI 评分43
AVOC:通过检索启发的 Token 压缩增强全模态 LLM 的小时级音视频理解
AVOC: Enhancing Hour-Level Audio-Video Understanding in Omni-Modal LLMs via Retrieval-Inspired Token Compression
AI 导读
AVOC 提出了一种面向小时级音视频理解的全模态 LLM 框架,通过在模态编码器与 LLM 骨干之间引入可学习的 Token 压缩模块,将多模态压缩重构为 Top-K 检索问题。
来源:arXiv · NLP · arxiv.org