Buchumschlag

VLM-Pruner: Buffering for Spatial Sparsity in an Efficient VLM Centrifugal Token Pruning Paradigm

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Zhenkai, Ma, Xiaowen, Ni, Zhenliang, Zhang, Dengming, Shu, Han, Jiang, Xin, Chen, Xinghao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SSA-Seg: Semantic and Spatial Adaptive Pixel-level Classifier for Semantic Segmentation
von: Ma, Xiaowen, et al.
Veröffentlicht: (2024)

TinyViM: Frequency Decoupling for Tiny Hybrid Vision Mamba
von: Ma, Xiaowen, et al.
Veröffentlicht: (2024)

Nüwa: Mending the Spatial Integrity Torn by VLM Token Pruning
von: Huang, Yihong, et al.
Veröffentlicht: (2026)

Similarity-Aware Token Pruning: Your VLM but Faster
von: Jeddi, Ahmadreza, et al.
Veröffentlicht: (2025)

Efficient Video Sampling: Pruning Temporally Redundant Tokens for Faster VLM Inference
von: Bagrov, Natan, et al.
Veröffentlicht: (2025)

SparseVILA: Decoupling Visual Sparsity for Efficient VLM Inference
von: Khaki, Samir, et al.
Veröffentlicht: (2025)

OccamToken: Efficient VLM Inference with Training-Free and Budget-Adaptive Token Pruning
von: Li, Geng, et al.
Veröffentlicht: (2026)

Context-Guided Spatial Feature Reconstruction for Efficient Semantic Segmentation
von: Ni, Zhenliang, et al.
Veröffentlicht: (2024)

Expert Merging: Model Merging with Unsupervised Expert Alignment and Importance-Guided Layer Chunking
von: Zhang, Dengming, et al.
Veröffentlicht: (2025)

PPT: Token Pruning and Pooling for Efficient Vision Transformers
von: Wu, Xinjian, et al.
Veröffentlicht: (2023)

SAFE-Pruner: Semantic Attention-Guided Future-Aware Token Pruning for Efficient Vision-Language-Action Manipulation
von: Ma, Shilin, et al.
Veröffentlicht: (2026)

DUET-VLM: Dual stage Unified Efficient Token reduction for VLM Training and Inference
von: Singh, Aditya Kumar, et al.
Veröffentlicht: (2026)

D2Pruner: Debiased Importance and Structural Diversity for MLLM Token Pruning
von: Zhang, Evelyn, et al.
Veröffentlicht: (2025)

MI-Pruner: Crossmodal Mutual Information-guided Token Pruner for Efficient MLLMs
von: Li, Jiameng, et al.
Veröffentlicht: (2026)

Attention in Space: Functional Roles of VLM Heads for Spatial Reasoning
von: Ma, Xueqi, et al.
Veröffentlicht: (2026)

LearnPruner: Rethinking Attention-based Token Pruning in Vision Language Models
von: Takezoe, Rinyoichi, et al.
Veröffentlicht: (2026)

SparseVLM: Visual Token Sparsification for Efficient Vision-Language Model Inference
von: Zhang, Yuan, et al.
Veröffentlicht: (2024)

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

DocVLM: Make Your VLM an Efficient Reader
von: Nacson, Mor Shpigel, et al.
Veröffentlicht: (2024)

SwiftVLM: Efficient Vision-Language Model Inference via Cross-Layer Token Bypass
von: Qian, Chen, et al.
Veröffentlicht: (2026)

OmniVLM: A Token-Compressed, Sub-Billion-Parameter Vision-Language Model for Efficient On-Device Inference
von: Chen, Wei, et al.
Veröffentlicht: (2024)

TokenFLEX: Unified VLM Training for Flexible Visual Tokens Inference
von: Hu, Junshan, et al.
Veröffentlicht: (2025)

Dynamic-VLM: Simple Dynamic Visual Token Compression for VideoLLM
von: Wang, Han, et al.
Veröffentlicht: (2024)

REF-VLM: Triplet-Based Referring Paradigm for Unified Visual Decoding
von: Tai, Yan, et al.
Veröffentlicht: (2025)

MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models
von: Liu, Shengyuan, et al.
Veröffentlicht: (2026)

SpecVLM: Enhancing Speculative Decoding of Video LLMs via Verifier-Guided Token Pruning
von: Ji, Yicheng, et al.
Veröffentlicht: (2025)

HybridToken-VLM: Hybrid Token Compression for Vision-Language Models
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

REO-VLM: Transforming VLM to Meet Regression Challenges in Earth Observation
von: Xue, Xizhe, et al.
Veröffentlicht: (2024)

SpatialMosaic: A Multiview VLM Dataset for Partial Visibility
von: Lee, Kanghee, et al.
Veröffentlicht: (2025)

STeInFormer: Spatial-Temporal Interaction Transformer Architecture for Remote Sensing Change Detection
von: Ma, Xiaowen, et al.
Veröffentlicht: (2024)

Safety-Potential Pruning for Enhancing Safety Prompts Against VLM Jailbreaking Without Retraining
von: Li, Chongxin, et al.
Veröffentlicht: (2026)

BackdoorVLM: A Benchmark for Backdoor Attacks on Vision-Language Models
von: Li, Juncheng, et al.
Veröffentlicht: (2025)

VLM-KD: Knowledge Distillation from VLM for Long-Tail Visual Recognition
von: Zhang, Zaiwei, et al.
Veröffentlicht: (2024)

MGFFD-VLM: Multi-Granularity Prompt Learning for Face Forgery Detection with VLM
von: Chen, Tao, et al.
Veröffentlicht: (2025)

FlashVLM: Text-Guided Visual Token Selection for Large Multimodal Models
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

A Dual Process VLA: Efficient Robotic Manipulation Leveraging VLM
von: Han, ByungOk, et al.
Veröffentlicht: (2024)

EventPrune: Cascaded Event-Assisted Token Pruning for Efficient First-Person Dynamic Spatial Reasoning
von: Ma, Pengtao, et al.
Veröffentlicht: (2026)

StateVLM: A State-Aware Vision-Language Model for Robotic Affordance Reasoning
von: Sun, Xiaowen, et al.
Veröffentlicht: (2026)

SD-VLM: Spatial Measuring and Understanding with Depth-Encoded Vision-Language Models
von: Chen, Pingyi, et al.
Veröffentlicht: (2025)

LongVLM: Efficient Long Video Understanding via Large Language Models
von: Weng, Yuetian, et al.
Veröffentlicht: (2024)