vid-TLDR: 轻量级视频 Transformer 的无训练自由标记合并
原文中文，约300字，阅读约需1分钟。发表于：。提出了轻量级视频 Transformer（vid-TLDR）的训练免费的令牌合并策略，通过合并背景令牌并通过关注图捕捉显著区域来提高视频 Transformer 的效率。实验证明，vid-TLDR 显着减轻了视频 Transformer 的计算复杂度，并且在与基准模型相比的性能上取得了有竞争力的结果。
研究人员提出了vid-TLDR，一种轻量级视频Transformer模型，通过合并背景令牌和关注图来提高效率。实验证明，vid-TLDR减轻了计算复杂度，并取得了有竞争力的结果。
