StreamingAssistant: Efficient Visual Token Pruning for Accelerating Online Video Understanding
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Jin, Xinqi, Yu, Hanxun, Yu, Bohan, Liu, Kebin, Liu, Jian, Tao, Keda, Pei, Yixuan, Wang, Huan, Dang, Fan, Liu, Jiangchuan, Wang, Weiqiang |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Active Perception Agent for Omnimodal Audio-Video Understanding
par: Tao, Keda, et autres
Publié: (2025)
par: Tao, Keda, et autres
Publié: (2025)
StreamingTOM: Streaming Token Compression for Efficient Video Understanding
par: Chen, Xueyi, et autres
Publié: (2025)
par: Chen, Xueyi, et autres
Publié: (2025)
OmniZip: Audio-Guided Dynamic Token Compression for Fast Omnimodal Large Language Models
par: Tao, Keda, et autres
Publié: (2025)
par: Tao, Keda, et autres
Publié: (2025)
Palantir: Towards Efficient Super Resolution for Ultra-high-definition Live Streaming
par: Jin, Xinqi, et autres
Publié: (2024)
par: Jin, Xinqi, et autres
Publié: (2024)
Is Oracle Pruning the True Oracle?
par: Feng, Sicheng, et autres
Publié: (2024)
par: Feng, Sicheng, et autres
Publié: (2024)
LVOmniBench: Pioneering Long Audio-Video Understanding Evaluation for Omnimodal LLMs
par: Tao, Keda, et autres
Publié: (2026)
par: Tao, Keda, et autres
Publié: (2026)
TimeChat-Online: 80% Visual Tokens are Naturally Redundant in Streaming Videos
par: Yao, Linli, et autres
Publié: (2025)
par: Yao, Linli, et autres
Publié: (2025)
QuickGrasp: Responsive Video-Language Querying Service via Accelerated Tokenization and Edge-Augmented Inference
par: Zhang, Miao, et autres
Publié: (2026)
par: Zhang, Miao, et autres
Publié: (2026)
DyCoke: Dynamic Compression of Tokens for Fast Video Large Language Models
par: Tao, Keda, et autres
Publié: (2024)
par: Tao, Keda, et autres
Publié: (2024)
LiveStar: Live Streaming Assistant for Real-World Online Video Understanding
par: Yang, Zhenyu, et autres
Publié: (2025)
par: Yang, Zhenyu, et autres
Publié: (2025)
When Token Pruning is Worse than Random: Understanding Visual Token Information in VLLMs
par: Wang, Yahong, et autres
Publié: (2025)
par: Wang, Yahong, et autres
Publié: (2025)
PaceVGGT: Pre-Alternating-Attention Token Pruning for Visual Geometry Transformers
par: Li, Haotang, et autres
Publié: (2026)
par: Li, Haotang, et autres
Publié: (2026)
EarlyTom: Early Token Compression Completes Fast Video Understanding
par: Wang, Hesong, et autres
Publié: (2026)
par: Wang, Hesong, et autres
Publié: (2026)
AdaptInfer: Adaptive Token Pruning for Vision-Language Model Inference with Dynamical Text Guidance
par: Zhang, Weichen, et autres
Publié: (2025)
par: Zhang, Weichen, et autres
Publié: (2025)
Geometry-Guided 3D Visual Token Pruning for Video-Language Models
par: Li, Han, et autres
Publié: (2026)
par: Li, Han, et autres
Publié: (2026)
VisionTrim: Unified Vision Token Compression for Training-Free MLLM Acceleration
par: Yu, Hanxun, et autres
Publié: (2026)
par: Yu, Hanxun, et autres
Publié: (2026)
HoliTom: Holistic Token Merging for Fast Video Large Language Models
par: Shao, Kele, et autres
Publié: (2025)
par: Shao, Kele, et autres
Publié: (2025)
TARS: MinMax Token-Adaptive Preference Strategy for Hallucination Reduction in MLLMs
par: Zhang, Kejia, et autres
Publié: (2025)
par: Zhang, Kejia, et autres
Publié: (2025)
OmniSense: Towards Edge-Assisted Online Analytics for 360-Degree Videos
par: Zhang, Miao, et autres
Publié: (2025)
par: Zhang, Miao, et autres
Publié: (2025)
StarStream: Live Video Analytics over Space Networking
par: Zhang, Miao, et autres
Publié: (2025)
par: Zhang, Miao, et autres
Publié: (2025)
Accelerating Streaming Video Large Language Models via Hierarchical Token Compression
par: Wang, Yiyu, et autres
Publié: (2025)
par: Wang, Yiyu, et autres
Publié: (2025)
CROP: Contextual Region-Oriented Visual Token Pruning
par: Guo, Jiawei, et autres
Publié: (2025)
par: Guo, Jiawei, et autres
Publié: (2025)
Revisiting MLLM Token Technology through the Lens of Classical Visual Coding
par: Liu, Jinming, et autres
Publié: (2025)
par: Liu, Jinming, et autres
Publié: (2025)
Training Noise Token Pruning
par: Rao, Mingxing, et autres
Publié: (2024)
par: Rao, Mingxing, et autres
Publié: (2024)
Optimizing Mobile-Friendly Viewport Prediction for Live 360-Degree Video Streaming
par: Zhang, Lei, et autres
Publié: (2024)
par: Zhang, Lei, et autres
Publié: (2024)
HAWK: Head Importance-Aware Visual Token Pruning in Multimodal Models
par: Zhu, Qihui, et autres
Publié: (2026)
par: Zhu, Qihui, et autres
Publié: (2026)
Poison as Cure: Visual Noise for Mitigating Object Hallucinations in LVMs
par: Zhang, Kejia, et autres
Publié: (2025)
par: Zhang, Kejia, et autres
Publié: (2025)
Streaming Video Diffusion: Online Video Editing with Diffusion Models
par: Chen, Feng, et autres
Publié: (2024)
par: Chen, Feng, et autres
Publié: (2024)
EvoStreaming: Your Offline Video Model Is a Natively Streaming Assistant
par: Wen, Zichen, et autres
Publié: (2026)
par: Wen, Zichen, et autres
Publié: (2026)
IDPruner: Harmonizing Importance and Diversity in Visual Token Pruning for MLLMs
par: Tan, Yifan, et autres
Publié: (2026)
par: Tan, Yifan, et autres
Publié: (2026)
Feather the Throttle: Revisiting Visual Token Pruning for Vision-Language Model Acceleration
par: Endo, Mark, et autres
Publié: (2024)
par: Endo, Mark, et autres
Publié: (2024)
Towards User-level QoE: Large-scale Practice in Personalized Optimization of Adaptive Video Streaming
par: Jia, Lianchen, et autres
Publié: (2025)
par: Jia, Lianchen, et autres
Publié: (2025)
Click-to-Ask: An AI Live Streaming Assistant with Offline Copywriting and Online Interactive QA
par: Yu, Ruizhi, et autres
Publié: (2026)
par: Yu, Ruizhi, et autres
Publié: (2026)
Sink-Token-Aware Pruning for Fine-Grained Video Understanding in Efficient Video LLMs
par: Kim, Kibum, et autres
Publié: (2026)
par: Kim, Kibum, et autres
Publié: (2026)
GreedyPrune: Retenting Critical Visual Token Set for Large Vision Language Models
par: Pei, Ruiguang, et autres
Publié: (2025)
par: Pei, Ruiguang, et autres
Publié: (2025)
PruneVid: Visual Token Pruning for Efficient Video Large Language Models
par: Huang, Xiaohu, et autres
Publié: (2024)
par: Huang, Xiaohu, et autres
Publié: (2024)
Window-Diffusion: Accelerating Diffusion Language Model Inference with Windowed Token Pruning and Caching
par: Zuo, Fengrui, et autres
Publié: (2026)
par: Zuo, Fengrui, et autres
Publié: (2026)
Which Heads Matter for Reasoning? RL-Guided KV Cache Compression
par: Du, Wenjie, et autres
Publié: (2025)
par: Du, Wenjie, et autres
Publié: (2025)
IVC-Prune: Revealing the Implicit Visual Coordinates in LVLMs for Vision Token Pruning
par: Sun, Zhichao, et autres
Publié: (2026)
par: Sun, Zhichao, et autres
Publié: (2026)
EntropyPrune: Matrix Entropy Guided Visual Token Pruning for Multimodal Large Language Models
par: Wang, Yahong, et autres
Publié: (2026)
par: Wang, Yahong, et autres
Publié: (2026)
Documents similaires
-
Active Perception Agent for Omnimodal Audio-Video Understanding
par: Tao, Keda, et autres
Publié: (2025) -
StreamingTOM: Streaming Token Compression for Efficient Video Understanding
par: Chen, Xueyi, et autres
Publié: (2025) -
OmniZip: Audio-Guided Dynamic Token Compression for Fast Omnimodal Large Language Models
par: Tao, Keda, et autres
Publié: (2025) -
Palantir: Towards Efficient Super Resolution for Ultra-high-definition Live Streaming
par: Jin, Xinqi, et autres
Publié: (2024) -
Is Oracle Pruning the True Oracle?
par: Feng, Sicheng, et autres
Publié: (2024)