面向多模态大语言模型的无学习令牌压缩

本文提出了一种新的无学习令牌压缩方法，旨在降低视觉-语言模型的计算成本和推理时间。该方法通过空间和时间维度的压缩，显著提升了模型的推理效率，实验结果在视频问答任务中表现突出。