Beyond Training: Dynamic Token Merging for Zero-Shot Video Understanding
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种动态令牌合并框架DYTO，旨在提高零-shot视频理解的效率和保真度。实验结果表明，DYTO在性能上优于传统微调和无训练方法，为该领域设定了新的标准。
🏷️
