Multi-Stage Vision Token Dropping: Towards Efficient Multimodal Large Language Model

Documenti analoghi

• SwimVG: Step-wise Multimodal Fusion and Adaption for Visual Grounding
  di: Shi, Liangtao, et al.
  Pubblicazione: (2025)
• MaPPER: Multimodal Prior-guided Parameter Efficient Tuning for Referring Expression Comprehension
  di: Liu, Ting, et al.
  Pubblicazione: (2024)
• Variation-aware Vision Token Dropping for Faster Large Vision-Language Models
  di: Chen, Junjie, et al.
  Pubblicazione: (2025)
• DAP: Domain-aware Prompt Learning for Vision-and-Language Navigation
  di: Liu, Ting, et al.
  Pubblicazione: (2023)
• FASTer: Toward Efficient Autoregressive Vision Language Action Modeling via Neural Action Tokenization
  di: Liu, Yicheng, et al.
  Pubblicazione: (2025)