GeoTrace: Compressão de Tokens de Trajetória com Consciência Geométrica para Modelos de Linguagem de Grande Escala de Vídeo

arXiv:2607.09080v1 Tipo de Anúncio: novo Resumo: Embora os Modelos de Linguagem de Grande Escala de Vídeo (Video LLMs) tenham demonstrado forte desempenho na compreensão de vídeos, sua eficiência ainda é limitada pelo grande número de tokens visuais. Os métodos existentes de compressão de tokens de vídeo geralmente dependem de saliência quadro a quadro ou de fusão heurística de tokens, o que pode concentrar-se em excesso em regiões localmente salientes e produzir características fundidas ambíguas. Para resolver essas questões, propomos o GeoTrace, um espaço-temporal de tokens sem treinamento ...