跳到正文
arXiv · ML· Dayoon Ko, Yichuan Wang, Soyeong Jeong, Joseph E. Gonzalez, Gunhee Kim, Sewon Min·· 4 天前AI 评分32

StreamEmbed:基于像素差异的实时屏幕截图检索系统

StreamEmbed: Real-Time Indexing from Pixels for Screenshot Retrieval

AI 导读

StreamEmbed 是一种利用像素冗余实现增量视觉嵌入的系统,在 M2 Pro GPU 上编码速度快至全图编码的 3.7 倍,且不牺牲准确性。 该系统通过空间 token 剪枝和时序 KV 复用减少计算,并辅以小型适配器保持精度;在 ScreenMemEval 基准上,其 Recall@10 比 OCR 索引高 6.3 分。

来源:arXiv · ML · arxiv.org