Copertina

Recurrent Attention-based Token Selection for Efficient Streaming Video-LLMs

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Dorovatas, Vaggelis, Seifi, Soroush, Gupta, Gunshi, Aljundi, Rahaf
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Ego: Embedding-Guided Personalization of Vision-Language Models
di: Seifi, Soroush, et al.
Pubblicazione: (2026)

Personalization Toolkit: Training Free Personalization of Large Vision Language Models
di: Seifi, Soroush, et al.
Pubblicazione: (2025)

Online In-Context Distillation for Low-Resource Vision Language Models
di: Kang, Zhiqi, et al.
Pubblicazione: (2025)

Annotation Free Semantic Segmentation with Vision Foundation Models
di: Seifi, Soroush, et al.
Pubblicazione: (2024)

Memo: Training Memory-Efficient Embodied Agents with Reinforcement Learning
di: Gupta, Gunshi, et al.
Pubblicazione: (2025)

Imperfect Vision Encoders: Efficient and Robust Tuning for Vision-Language Models
di: Panos, Aristeidis, et al.
Pubblicazione: (2024)

SEM: Sparse Embedding Modulation for Post-Hoc Debiasing of Vision-Language Models
di: Guimard, Quentin, et al.
Pubblicazione: (2026)

Overcoming Generic Knowledge Loss with Selective Parameter Update
di: Zhang, Wenxuan, et al.
Pubblicazione: (2023)

Incremental Object-Based Novelty Detection with Feedback Loop
di: Caldarella, Simone, et al.
Pubblicazione: (2023)

Transformers with Joint Tokens and Local-Global Attention for Efficient Human Pose Estimation
di: Kinfu, Kaleab A., et al.
Pubblicazione: (2025)

Resolving Spatio-Temporal Entanglement in Video Prediction via Multi-Modal Attention
di: Gupta, Shreyam, et al.
Pubblicazione: (2025)

Pretrained Image-Text Models are Secretly Video Captioners
di: Zhang, Chunhui, et al.
Pubblicazione: (2025)

Boosting Text-to-Image Diffusion Models via Core Token Attention-Based Seed Selection
di: Zhang, Yunzhe, et al.
Pubblicazione: (2026)

EVEREST: Efficient Masked Video Autoencoder by Removing Redundant Spatiotemporal Tokens
di: Hwang, Sunil, et al.
Pubblicazione: (2022)

Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning
di: Paul, Somdyuti, et al.
Pubblicazione: (2022)

All Eyes on the Workflow: Automated and Efficient Event Discovery from Video Streams
di: Pegoraro, Marco, et al.
Pubblicazione: (2026)

EfficientSign: An Attention-Enhanced Lightweight Architecture for Indian Sign Language Recognition
di: Gupta, Rishabh, et al.
Pubblicazione: (2026)

Efficient Long Video Tokenization via Coordinate-based Patch Reconstruction
di: Jang, Huiwon, et al.
Pubblicazione: (2024)

The Phantom Menace: Unmasking Privacy Leakages in Vision-Language Models
di: Caldarella, Simone, et al.
Pubblicazione: (2024)

VideoOrion: Tokenizing Object Dynamics in Videos
di: Feng, Yicheng, et al.
Pubblicazione: (2024)

MonarchRT: Efficient Attention for Real-Time Video Generation
di: Agarwal, Krish, et al.
Pubblicazione: (2026)

STAR: Stage-Wise Attention-Guided Token Reduction for Efficient Large Vision-Language Models Inference
di: Guo, Yichen, et al.
Pubblicazione: (2025)

Test-Time Training on Video Streams
di: Wang, Renhao, et al.
Pubblicazione: (2023)

TRecViT: A Recurrent Video Transformer
di: Pătrăucean, Viorica, et al.
Pubblicazione: (2024)

HyperTokens: Controlling Token Dynamics for Continual Video-Language Understanding
di: Nguyen, Toan, et al.
Pubblicazione: (2026)

Mixture of Distributions Matters: Dynamic Sparse Attention for Efficient Video Diffusion Transformers
di: Liu, Yuxi, et al.
Pubblicazione: (2026)

StreamDiffusionV2: A Streaming System for Dynamic and Interactive Video Generation
di: Feng, Tianrui, et al.
Pubblicazione: (2025)

Real-Time Anomaly Detection in Video Streams
di: Poirier, Fabien
Pubblicazione: (2024)

VideoFlexTok: Flexible-Length Coarse-to-Fine Video Tokenization
di: Atanov, Andrei, et al.
Pubblicazione: (2026)

StreamSplat: Towards Online Dynamic 3D Reconstruction from Uncalibrated Video Streams
di: Wu, Zike, et al.
Pubblicazione: (2025)

Efficient Few-Shot Continual Learning in Vision-Language Models
di: Panos, Aristeidis, et al.
Pubblicazione: (2025)

Lifelong Learning of Video Diffusion Models From a Single Video Stream
di: Yoo, Jason, et al.
Pubblicazione: (2024)

MDP3: A Training-free Approach for List-wise Frame Selection in Video-LLMs
di: Sun, Hui, et al.
Pubblicazione: (2025)

StreamMind: Unlocking Full Frame Rate Streaming Video Dialogue through Event-Gated Cognition
di: Ding, Xin, et al.
Pubblicazione: (2025)

Unified Spatio-Temporal Token Scoring for Efficient Video VLMs
di: Zhang, Jianrui, et al.
Pubblicazione: (2026)

MambaMixer: Efficient Selective State Space Models with Dual Token and Channel Selection
di: Behrouz, Ali, et al.
Pubblicazione: (2024)

Extract-Transform-Load for Video Streams
di: Kossmann, Ferdinand, et al.
Pubblicazione: (2023)

Edge Attention Module for Object Classification
di: Roy, Santanu, et al.
Pubblicazione: (2025)

Efficient Visual Transformer by Learnable Token Merging
di: Wang, Yancheng, et al.
Pubblicazione: (2024)

Token Turing Machines are Efficient Vision Models
di: Jajal, Purvish, et al.
Pubblicazione: (2024)