FlashVID: Efficient Video Large Language Models via Training-free Tree-based Spatiotemporal Token Merging

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Fan, Ziyang, Chen, Keyu, Xing, Ruilong, Li, Yulin, Jiang, Li, Tian, Zhuotao
Formato:	Preprint
Publicado:	2026
Materias:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2602.08024