arXiv · AI· Joungbin An, Kristen Grauman·· 11 天前AI 评分36
AdaAlloc:一种免训练的自适应视觉 Token 分配框架,用于长视频问答
AdaAlloc: Adaptive Visual Token Allocation for Long-Video Question Answering
AI 导读
summary_zh: AdaAlloc 提出免训练推理框架,解决长视频问答中视觉 Token 预算下时间覆盖与空间细节的权衡问题。 框架通过规划全局/局部分配策略,结合时间定位细化本地证据;在 LVBench 等四项基准测试中,比同等预算均匀采样提升最高 10.5 个百分点。
来源:arXiv · AI · arxiv.org