FlashVID

新方法利用视频编解码器数据实现高效VLLM令牌压缩

研究人员开发了一种新颖的、无需训练的视频大语言模型（VLLMs）令牌压缩方法，该方法利用了视频编解码器中的信息。该方法使用现有的编码数据（如运动矢量和残差）来指导压缩过程，从而降低了比较视觉特征的计算成本。该方法旨在通过使令牌压缩更准确、资源消耗更少来提高VLLMs的效率，在各种视频理解基准测试中表现出与FlashVID等现有方法相当或更优的性能。