V-CAST:免训练剪枝视频 Token,保留97%表现、预填充提速51%

量子位 · wechat · 2026-11-17

中山大学、香港理工等团队提出 V-CAST,在视觉 Token 进入语言模型前进行时空剪枝,全程免训练、即插即用,针对长视频理解中重复画面吃算力、短暂线索易丢失的问题。

核心设计:

实验结果(Qwen3-VL、LLaVA、Qwen2.5-Omni 共 6 个配置、10 个基准):

项目主页与代码已开源。

所属事件:V-CAST 免训练剪枝视觉 Token,长视频理解预填充提速 51%(2 条相关)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →