Sotashi Kourogi

新的CoVeR方法为视觉语言模型（VLM）中的三维推理剪枝视觉令牌

研究人员开发了CoVeR，一种在处理由多视角图像表示的三维场景时，用于剪枝视觉语言模型（VLM）中视觉令牌的新颖方法。该技术解决了使用多视角产生的冗余令牌问题，这可能导致计算成本高昂。CoVeR是一种确定性的、无需训练的选择器，它使用令牌坐标来确保场景的完整空间覆盖，同时遵守确切的令牌预算，克服了先前基于重要性或体素化方法的局限性。实验表明，CoVeR在三维推理基准测试中显著优于现有的最先进方法，在大幅减少令牌数量的同时实现了高性能。