论文提出重建残差引导的视觉token压缩方法ReConV

Xiaoya Tang 等人在 arXiv 论文《Bottlenecked semantic compression by representation reconstruction》（arXiv:2610.17412）中提出视觉 token 压缩框架 ReConV：用一个紧凑的 Summary Bank 汇总视觉序列中的共享信息，并根据位置条件解码器的重建残差保留 SMB 未充分覆盖信息的 token。 基于论文摘要，该方法在 ImageNet 上以比未压缩基线少 48% 的 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。以上结果来自论文摘要，尚未经独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。