研究人员开发了GeoGR，一个旨在提高3D视觉语言模型（VLMs）效率的新型框架。GeoGR采用两阶段方法：GeoSemZip通过整合冗余观测和优先考虑语义显著性来压缩多视图3D场景表示，而GroupRoute通过允许低相关性令牌跳过层并稍后重新加入来优化LLM计算。该方法显著加速了LLM预填充速度，在LLaVA-OneVision-7B和Video-3D LLM-7B等基准测试中，性能保持了原始模型的95%以上，速度提升高达6.8倍。 AI
影响 提高了3D视觉语言模型的效率，可能实现更复杂的场景理解和交互。
排序理由 该条目是arXiv预印本，详细介绍了用于改进3D VLM的新技术框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- GeoSemZip
- Gotit.pub
- GroupRoute
- Hugging Face
- LLaVA-OneVision-7B
- ScienceCast
- Video-3D LLM-7B
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
