arXiv · cs.AI· Xiaoya Tang, Shilong Liu, Daniel Smolyak, Xiwen Li, Quynh Nguyen, Tolga Tasdizen·· 11 小时前
ReConV通过重建残差引导视觉令牌压缩
Bottlenecked semantic compression by representation reconstruction
arXiv:2610.17412v1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：Xiaoya Tang, Shilong Liu, Daniel Smolyak, Xiwen Li, Quynh Nguyen, Tolga Tasdizen
研究任务与主要进展
Xiaoya Tang等人提出ReConV视觉令牌压缩框架，用Summary Bank压缩视觉序列中的共享信息，并依据位置条件解码器的重建残差保留细节。基于论文摘要，该方法在ImageNet上以比未压缩基线少48% GMACs取得有利性能—效率权衡，并支持可复用的图像级表示用于高效多轮推理；代码入口为TokenDrop。
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