Buchumschlag

INTERLACE: Interleaved Layer Pruning and Efficient Adaptation in Large Vision-Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Madinei, Parsa, Solgi, Ryan, Wen, Ziqi, Skaza, Jonathan, Eckstein, Miguel, Pedarsani, Ramtin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DReX: Pure Vision Fusion of Self-Supervised and Convolutional Representations for Image Complexity Prediction
von: Skaza, Jonathan, et al.
Veröffentlicht: (2025)

Revealing the Gap in Human and VLM Scene Perception through Counterfactual Semantic Saliency
von: Wen, Ziqi, et al.
Veröffentlicht: (2026)

IRIS: Intent Resolution via Inference-time Saccades for Open-Ended VQA in Large Vision-Language Models
von: Madinei, Parsa, et al.
Veröffentlicht: (2026)

MMLoP: Multi-Modal Low-Rank Prompting for Efficient Vision-Language Adaptation
von: Ghiasvand, Sajjad, et al.
Veröffentlicht: (2026)

Predicting Reaction Time to Comprehend Scenes with Foveated Scene Understanding Maps
von: Wen, Ziqi, et al.
Veröffentlicht: (2025)

pFedMMA: Personalized Federated Fine-Tuning with Multi-Modal Adapter for Vision-Language Models
von: Ghiasvand, Sajjad, et al.
Veröffentlicht: (2025)

Enhancing the Safety of Medical Vision-Language Models by Synthetic Demonstrations
von: Xue, Zhiyu, et al.
Veröffentlicht: (2025)

Topology-Aware Layer Pruning for Large Vision-Language Models
von: Zheng, Pengcheng, et al.
Veröffentlicht: (2026)

PLPHP: Per-Layer Per-Head Vision Token Pruning for Efficient Large Vision-Language Models
von: Meng, Yu, et al.
Veröffentlicht: (2025)

Short-LVLM: Compressing and Accelerating Large Vision-Language Models by Pruning Redundant Layers
von: Ma, Ji, et al.
Veröffentlicht: (2025)

TransPrune: Token Transition Pruning for Efficient Large Vision-Language Model
von: Li, Ao, et al.
Veröffentlicht: (2025)

Why We Look Where We Look: Emergent Human-like Fixations of a Foveated Visual Language Model Maximizing Scene Understanding
von: Murlidaran, Shravan, et al.
Veröffentlicht: (2026)

Straightforward Layer-wise Pruning for More Efficient Visual Adaptation
von: Han, Ruizi, et al.
Veröffentlicht: (2024)

HiPrune: Hierarchical Attention for Efficient Token Pruning in Vision-Language Models
von: Liu, Jizhihui, et al.
Veröffentlicht: (2025)

FoPru: Focal Pruning for Efficient Large Vision-Language Models
von: Jiang, Lei, et al.
Veröffentlicht: (2024)

SIMPLER: Efficient Foundation Model Adaptation via Similarity-Guided Layer Pruning for Earth Observation
von: Barreiro, Víctor, et al.
Veröffentlicht: (2026)

Mitigating Information Loss under High Pruning Rates for Efficient Large Vision Language Models
von: Fu, Mingyu, et al.
Veröffentlicht: (2025)

PruneVid: Visual Token Pruning for Efficient Video Large Language Models
von: Huang, Xiaohu, et al.
Veröffentlicht: (2024)

ViTCoP: Accelerating Large Vision-Language Models via Visual and Textual Semantic Collaborative Pruning
von: Luo, Wen, et al.
Veröffentlicht: (2026)

IWP: Token Pruning as Implicit Weight Pruning in Large Vision Language Models
von: Lee, Dong-Jae, et al.
Veröffentlicht: (2026)

EfficientLLaVA:Generalizable Auto-Pruning for Large Vision-language Models
von: Liang, Yinan, et al.
Veröffentlicht: (2025)

Efficient Test-Time Adaptation of Vision-Language Models
von: Karmanov, Adilbek, et al.
Veröffentlicht: (2024)

CAPA: Contribution-Aware Pruning and FFN Approximation for Efficient Large Vision-Language Models
von: Jha, Samyak, et al.
Veröffentlicht: (2026)

FGP: Feature-Gradient-Prune for Efficient Convolutional Layer Pruning
von: Lv, Qingsong, et al.
Veröffentlicht: (2024)

METEOR: Multi-Encoder Collaborative Token Pruning for Efficient Vision Language Models
von: Liu, Yuchen, et al.
Veröffentlicht: (2025)

GRIP-VLM: Group-Relative Importance Pruning for Efficient Vision-Language Models
von: Huang, Mingzhe, et al.
Veröffentlicht: (2026)

Decoupled Similarity for Task-Aware Token Pruning in Large Vision-Language Models
von: Ma, Kexin, et al.
Veröffentlicht: (2026)

ATP-LLaVA: Adaptive Token Pruning for Large Vision Language Models
von: Ye, Xubing, et al.
Veröffentlicht: (2024)

Multi-Cue Adaptive Visual Token Pruning for Large Vision-Language Models
von: Luan, Bozhi, et al.
Veröffentlicht: (2025)

SurgLaVi: Large-Scale Hierarchical Dataset for Surgical Vision-Language Representation Learning
von: Perez, Alejandra, et al.
Veröffentlicht: (2025)

EntropyPrune: Matrix Entropy Guided Visual Token Pruning for Multimodal Large Language Models
von: Wang, Yahong, et al.
Veröffentlicht: (2026)

A Glimpse to Compress: Dynamic Visual Token Pruning for Large Vision-Language Models
von: Zeng, Quan-Sheng, et al.
Veröffentlicht: (2025)

Pruning All-Rounder: Rethinking and Improving Inference Efficiency for Large Vision Language Models
von: Suo, Wei, et al.
Veröffentlicht: (2024)

GreedyPrune: Retenting Critical Visual Token Set for Large Vision Language Models
von: Pei, Ruiguang, et al.
Veröffentlicht: (2025)

VEGA: Learning Interleaved Image-Text Comprehension in Vision-Language Large Models
von: Zhou, Chenyu, et al.
Veröffentlicht: (2024)

MMIE: Massive Multimodal Interleaved Comprehension Benchmark for Large Vision-Language Models
von: Xia, Peng, et al.
Veröffentlicht: (2024)

Understanding Pruning Regimes in Vision-Language Models Through Domain-Aware Layer Selection
von: Khaki, Saeed, et al.
Veröffentlicht: (2026)

Attention Debiasing for Token Pruning in Vision Language Models
von: Zhao, Kai, et al.
Veröffentlicht: (2025)

Collaborative Multi-Mode Pruning for Vision-Language Models
von: Wu, Zimeng, et al.
Veröffentlicht: (2026)

CoViPAL: Layer-wise Contextualized Visual Token Pruning for Large Vision-Language Models
von: Tang, Zicong, et al.
Veröffentlicht: (2025)