arXiv · cs.AI· Vatsal, Soumil Malhotra, Priyanshu Chahal, Sanjeev Kumar·· 11 小时前
Prune-and-Merge ViT：无需训练的视觉Transformer剪枝-合并Token压缩
Scaling Vision Transformers Without Training: Prune-and-Merge Token Compression
arXiv:2610.18039v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Vatsal, Soumil Malhotra, Priyanshu Chahal, Sanjeev Kumar
研究任务与主要进展
Vatsal等在论文摘要中提出无需训练的Prune-and-Merge ViT，用于压缩现成视觉Transformer中的Token。方法结合基于类别注意力的剪枝与基于相似度的合并，并在预训练ViT和DeiT上提升效率，同时保持对常见图像变换的预测稳定性；作者还提出RAD和PFR用于评估鲁棒性。基于论文摘要，材料称其准确率优于现有Token缩减方法，但未提供实验规模、基线细节或全文核验信息。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org