Copertina

V-CAST: Video Curvature-Aware Spatio-Temporal Pruning for Efficient Video Large Language Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Lin, Xinying, Liu, Xuyang, Wang, Yiyu, Ma, Teng, Ren, Wenqi
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Video Compression Commander: Plug-and-Play Inference Acceleration for Video Large Language Models
di: Liu, Xuyang, et al.
Pubblicazione: (2025)

Accelerating Streaming Video Large Language Models via Hierarchical Token Compression
di: Wang, Yiyu, et al.
Pubblicazione: (2025)

Detector-Empowered Video Large Language Model for Efficient Spatio-Temporal Grounding
di: Gao, Shida, et al.
Pubblicazione: (2025)

Cluster-Wise Spatio-Temporal Masking for Efficient Video-Language Pretraining
di: Zhuang, Weijun, et al.
Pubblicazione: (2026)

EventSTU: Event-Guided Efficient Spatio-Temporal Understanding for Video Large Language Models
di: Xu, Wenhao, et al.
Pubblicazione: (2025)

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

V-STaR: Benchmarking Video-LLMs on Video Spatio-Temporal Reasoning
di: Cheng, Zixu, et al.
Pubblicazione: (2025)

SpaceVLLM: Endowing Multimodal Large Language Model with Spatio-Temporal Video Grounding Capability
di: Wang, Jiankang, et al.
Pubblicazione: (2025)

Temporal Aware Pruning for Efficient Diffusion-based Video Generation
di: Li, Sheng, et al.
Pubblicazione: (2026)

ShaRP: SHAllow-LayeR Pruning for Efficient Video Large Language Models
di: Xia, Yingjie, et al.
Pubblicazione: (2025)

Language-Guided Temporal Token Pruning for Efficient VideoLLM Processing
di: Kumar, Yogesh
Pubblicazione: (2025)

CAST: Modeling Visual State Transitions for Consistent Video Retrieval
di: Liu, Yanqing, et al.
Pubblicazione: (2026)

Video-Language Alignment via Spatio-Temporal Graph Transformer
di: Zhang, Shi-Xue, et al.
Pubblicazione: (2024)

CAST: Cross-Attentive Spatio-Temporal feature fusion for deepfake detection
di: Thakre, Aryan, et al.
Pubblicazione: (2025)

Spatio-Temporal Distortion Aware Omnidirectional Video Super-Resolution
di: An, Hongyu, et al.
Pubblicazione: (2024)

Multi-View Video Diffusion Policy: A 3D Spatio-Temporal-Aware Video Action Model
di: Li, Peiyan, et al.
Pubblicazione: (2026)

VideoStir: Understanding Long Videos via Spatio-Temporally Structured and Intent-Aware RAG
di: Fu, Honghao, et al.
Pubblicazione: (2026)

VideoZeroBench: Probing the Limits of Video MLLMs with Spatio-Temporal Evidence Verification
di: Meng, Jiahao, et al.
Pubblicazione: (2026)

ST-Prune: Training-Free Spatio-Temporal Token Pruning for Vision-Language Models in Autonomous Driving
di: Sha, Lin, et al.
Pubblicazione: (2026)

Vulnerability-Aware Spatio-Temporal Learning for Generalizable Deepfake Video Detection
di: Nguyen, Dat, et al.
Pubblicazione: (2025)

A Survey on Video Temporal Grounding with Multimodal Large Language Model
di: Wu, Jianlong, et al.
Pubblicazione: (2025)

Variation-aware Vision Token Dropping for Faster Large Vision-Language Models
di: Chen, Junjie, et al.
Pubblicazione: (2025)

Tracking the Truth: Object-Centric Spatio-Temporal Monitoring for Video Large Language Models
di: Cao, Tri, et al.
Pubblicazione: (2026)

VideoFusion: A Spatio-Temporal Collaborative Network for Multi-modal Video Fusion
di: Tang, Linfeng, et al.
Pubblicazione: (2025)

Know-Show: Benchmarking Video-Language Models on Spatio-Temporal Grounded Reasoning
di: Sugandhika, Chinthani, et al.
Pubblicazione: (2025)

Spatio-Temporal Correlation Guided Geometric Partitioning for Versatile Video Coding
di: Meng, Xuewei, et al.
Pubblicazione: (2026)

Efficient Video Face Enhancement with Enhanced Spatial-Temporal Consistency
di: Wang, Yutong, et al.
Pubblicazione: (2024)

EchoPrune: Interpreting Redundancy as Temporal Echoes for Efficient VideoLLMs
di: Li, Jiameng, et al.
Pubblicazione: (2026)

Open-o3-Video: Grounded Video Reasoning with Explicit Spatio-Temporal Evidence
di: Meng, Jiahao, et al.
Pubblicazione: (2025)

FastVID: Dynamic Density Pruning for Fast Video Large Language Models
di: Shen, Leqi, et al.
Pubblicazione: (2025)

STGV: Spatio-Temporal Hash Encoding for Gaussian-based Video Representation
di: Lin, Jierun, et al.
Pubblicazione: (2026)

VideoMamba: Spatio-Temporal Selective State Space Model
di: Park, Jinyoung, et al.
Pubblicazione: (2024)

Context-Guided Spatio-Temporal Video Grounding
di: Gu, Xin, et al.
Pubblicazione: (2024)

VidCompress: Memory-Enhanced Temporal Compression for Video Understanding in Large Language Models
di: Lan, Xiaohan, et al.
Pubblicazione: (2024)

VideoLoom: A Video Large Language Model for Joint Spatial-Temporal Understanding
di: Shi, Jiapeng, et al.
Pubblicazione: (2026)

PiTe: Pixel-Temporal Alignment for Large Video-Language Model
di: Liu, Yang, et al.
Pubblicazione: (2024)

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

CAST: Cross-Attention in Space and Time for Video Action Recognition
di: Lee, Dongho, et al.
Pubblicazione: (2023)

SpatioTemporal Learning for Human Pose Estimation in Sparsely-Labeled Videos
di: Jiao, Yingying, et al.
Pubblicazione: (2025)

FiLA-Video: Spatio-Temporal Compression for Fine-Grained Long Video Understanding
di: Guo, Yanan, et al.
Pubblicazione: (2025)