新的视觉令牌编码器提高了 ViT 特征压缩效率

研究人员开发了一种名为视觉令牌编码器（VTC）的新方法，用于压缩 Vision Transformer（ViT）模型中的中间特征。VTC 有效地利用了 ViT 补丁令牌中固有的空间相关性，而这些相关性常常被现有编码器所忽略。该双路径编码器将全局令牌和补丁令牌分开，并对每个令牌应用专门的压缩技术。实验表明，VTC 在各种任务（如分类、分割和检测）上的性能显著优于当前的 ViT 特征编码基线，在极低比特率下实现了高性能。 AI

影响 通过减少中间特征交换的带宽和计算需求，提高了部署大型视觉模型的效率。

排序理由 该项目是一篇研究论文，详细介绍了一种用于压缩 Vision Transformer 模型中特征的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• DINOv2
• Gotit.pub
• Hugging Face
• SAM3
• ScienceCast
• Visual Token Codec
• ViT

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →