VisionSelector: End-to-End Learnable Visual Token Compression for Efficient Multimodal LLMs

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhu, Jiaying, Zhu, Yurui, Lu, Xin, Yan, Wenrui, Li, Dong, Liu, Kunlin, Fu, Xueyang, Zha, Zheng-Jun
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2510.16598