GeoGR压缩3D VLM视觉token并加速LLM预填充
热点事件持续更新
GeoGR压缩3D VLM视觉token并加速LLM预填充
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
论文作者提出GeoGR，一个面向3D视觉语言模型的两阶段框架，通过跨视角空间语义压缩和LLM分组路由减少冗余视觉计算。 作者构建了保留原训练数据30%的6.7万样本数据集进行后训练，在LLaVA-OneVision-7B和Video-3D LLM-7B上分别保留稠密后训练模型95.2%和96.8%的性能，同时将LLM预填充加速6.8倍和6.1倍。以上结果基于论文摘要，代码已在GitHub公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
GeoGR通过空间语义标记压缩与分组路由提升3D视觉语言模型推理效率报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AIGeoGR通过空间语义标记压缩与分组路由提升3D视觉语言模型推理效率
基于论文摘要，GeoGR提出面向3D视觉语言模型的两阶段框架GeoGR，通过跨视角空间语义压缩和LLM分组路由减少冗余视觉计算。作者构建了保留原训练数据30%的6.7万样本数据集，在LLaVA-OneVision-7B和Video-3D LLM-7B上分别保留稠密后训练模型95.2%和96.8%的性能，并将LLM预填充加速6.8倍和6.1倍；代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。