Utilizamos cookies essenciais para manter a sua sessão iniciada e — apenas se permitir — cookies de análise, repetição de sessão e medição de publicidade para ver o que funciona. Política de Privacidade
聚焦实时视频对话中视觉Token的时空压缩方案、多模态大模型架构分歧及精度-速度权衡。
视觉vs文本的向量对齐;多模态大模型的分辨率无关性;视频 Token 的时空压缩 vs 糖葫芦串