研究人员开发了TP-JSCC，一种用于优化云边协同中大型视觉语言模型（LVLMs）在3D视觉问答（3D-VQA）任务中的新方法。该方法包括一个基于局部和全局语义的混合令牌剪枝（LGS-HTP）模块，通过解耦前景-背景令牌并选择关键语义来显著减少视觉令牌数量。此外，一个令牌联合源-信道编码（T-JSCC）模块对这些剪枝后的令牌进行压缩，以在有损信道上进行鲁棒传输，并以最小的开销适应波动的条件。在ScanQA和SQA3D数据集上的实验证明了数据量和计算复杂度的显著节省。 AI
影响 该方法可以实现更高效的部署，将先进的AI模型用于资源受限设备上的复杂视觉任务。
排序理由 该项目是一篇研究论文，详细介绍了一种优化LVLMs的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
