PulseAugur
中
实时 07:31:37
English(EN) CoVisco: Codec-Native Vision Encoder with Native Token Compression for Unified Image-Video Understanding

CoVisco 视觉编码器使用原生令牌压缩进行长视频理解

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 CoVisco，这是一种新颖的视觉编码器，旨在解决理解长视频的扩展限制。CoVisco 集成了编解码器原生输入和原生令牌压缩，使其能够一次性处理扩展的视觉序列，而无需形成密集的跨帧交互。该模型使用抽象令牌来维护视频级上下文，并且可以输出这些抽象令牌或抽象令牌与选定的块令牌的组合，以用于下游多模态大型语言模型 (MLLM)。在四段、64 帧的设置下进行测试时，CoVisco 使用的视觉令牌数量大大减少，性能与 OneVision-Encoder 相当或超出。 AI

影响 CoVisco 处理长视频的令牌压缩方法可以显著降低计算成本，从而实现更高效的多模态人工智能应用。

排序理由 该集群包含一篇详细介绍视觉语言理解新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

CoVisco 视觉编码器使用原生令牌压缩进行长视频理解

本文如何被排名

Signal score
22 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍视觉语言理解新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yulong Liu, Xiaotian Han, Junyuan Shang, Yuchen Ding, Zhenyu Zhang, Shuohuan Wang, Guibo Zhu, Sirui Han, Dianhai Yu ·

    CoVisco：原生代码编解码器，具有原生令牌压缩功能，用于统一的图像-视频理解

    arXiv:2609.39924v1 Announce Type: cross Abstract: Vision-language models face a fundamental scaling bottleneck: the number of visual tokens grows with both temporal duration and spatial resolution, making long-video understanding expensive for the vision encoder and the language …

相关话题