IWP: Token Pruning as Implicit Weight Pruning in Large Vision Language Models
IWP:大型视觉语言模型中的隐式权重剪枝与令牌剪枝
机构 * KAIST(韩国科学技术院)
AI总结 提出基于注意力对偶形式的无训练令牌剪枝框架,通过度量令牌的信息量和冗余度,结合渐进式分块最大边际相关性选择子集,在保持性能的同时提升效率。
高校专区
IWP:大型视觉语言模型中的隐式权重剪枝与令牌剪枝
机构 * KAIST(韩国科学技术院)
AI总结 提出基于注意力对偶形式的无训练令牌剪枝框架,通过度量令牌的信息量和冗余度,结合渐进式分块最大边际相关性选择子集,在保持性能的同时提升效率。
VLM引导的视觉地点识别用于行星级地理定位
机构 * Univ. of Southampton, UK(英国南安普顿大学) ; KAIST, South Korea(韩国科学技术院) ; QUT, Australia(昆士兰科技大学) ; Univ. of Essex, UK(英国埃塞克斯大学)
AI总结 提出VLM与检索式VPR结合的混合框架,利用VLM生成先验约束搜索空间,再通过检索和重排序实现行星级地理定位,在街道和城市级别分别提升4.51%和13.52%。
Journal ref Proceedings of the Australasian Conference on Robotics and Automation (ACRA 2025)