当前位置： 首页 > news >正文

论文笔记：Treat Visual Tokens as Text? But Your MLLM Only Needs Fewer Efforts to See

news 2026/5/14 7:44:08

2024 10月的arxiv

1 主要idea

  • 针对多模态大模型（如LLaVA），提出了一系列高效的剪枝策略
    • 在显著降低计算开销（多达 88%）的同时，保持了模型在多模态任务中的性能表现

2 目前的问题

  • 与文本 token 相比，视觉 token 的数量往往更为庞大
    • 在 LLaVA 模型中，处理一张图像涉及超过 500 个视觉 token，而对应的文本 token 只有数十个
      • ——>计算效率低下
      • ——>视觉数据固有的空间稀疏性导致许多计算是冗余的
        • 大部分视觉 token 之间的交互权重很低，仅有邻近 token 之间的交互是关键
        •  在深层模型中，视觉 token 对文本生成的影响逐渐减弱
  • 目前的优化策略通常以牺牲模型性能为代价
    • ——>如何在保持性能的同时显著降低计算复杂度，仍是一个急需解决的

3 论文方法

4 实验

效果没怎么降，FLOP降多了

相关文章：

论文笔记：Treat Visual Tokens as Text? But Your MLLM Only Needs Fewer Efforts to See

2024 10月的arxiv 1 主要idea 针对多模态大模型（如LLaVA），提出了一系列高效的剪枝策略 在显著降低计算开销（多达 88%）的同时，保持了模型在多模态任务中的性能表现 2 目前的问题 与文本 token 相比&…...

编程日记 2024/12/13 10:40:22

软考高级架构 —— 10.6 大型网站系统架构演化实例 + 软件架构维护

10.6 大型网站系统架构演化实例 大型网站的技术挑战主要来自于庞大的用户，高并发的访问和海量的数据，主要解决这类问题。 1. 单体架构 特点: 所有资源（应用程序、数据库、文件）集中在一台服务器上。适用场景: 小型网站&am…...

编程日记 2024/12/13 10:37:13

2024美赛数学建模C题：网球比赛中的动量，用马尔可夫链求解！详细分析

文末获取历年美赛数学建模论文，交流思路模型 接下来讲解马尔可夫链在2024年C题中的运用 1. 马尔科夫链的基本原理 马尔科夫链是描述随机过程的一种数学模型，其核心特征是无记忆性。 简单来说，系统在某一时刻的状态只取决于当前状态&#x…...

编程日记 2024/12/13 10:36:11

23种设计模式之状态模式

目录 1. 简介2. 代码2.1 State （定义抽象状态接口）2.2 StartState （实现具体状态类）2.3 EndState （实现具体状态类）2.4 Context （定义上下文类）2.5 Test （测试类&#xf…...

编程日记 2024/12/13 10:35:10

Elasticsearch Serverless 中的数据流自动分片

作者：来自 Elastic Andrei Dan 在 Elastic Cloud Serverless 中，我们根据索引负载自动为数据流配置最佳分片数量，从而使用户无需摆弄分片。 传统上，用户会更改数据流的分片配置，以处理各种工作负载并充分利用可用资源。…...

编程日记 2024/12/13 10:34:09

YOLOv10改进，YOLOv10添加U-Netv2分割网络中SDI信息融合模块+GSConv卷积，助力小目标

理论介绍 完成本篇需要参考以下两篇文章，并已添加到YOLOv10代码中 YOLOv10改进，YOLOv10添加U-Netv2分割网络中SDI信息融合模块，助力小目标检测YOLOv10改进，YOLOv10添加GSConv卷积+Slim-neck，助力小目标检测，二次创新C2f结构下文都是手把手教程，跟着操作即可添加成功 目…...

编程日记 2024/12/13 10:32:07

xshell连接虚拟机，更换网络模式：NAT-＞桥接模式

NAT模式：虚拟机通过宿主机的网络访问外网。优点在于不需要手动配置IP地址和子网掩码，只要宿主机能够访问网络，虚拟机也能够访问。对外部网络而言，它看到的是宿主机的IP地址，而不是虚拟机的IP。但是，宿主机可…...

编程日记 2024/12/13 10:29:04

sql的where条件中使用case when

场景： 1、使用oracle数据库，数据类型为number，需要正无穷值。 2、数据表中有两个金额值，最大值和最小值， 如10~20， 30 ~40，40以上，数据库中这样设计 id name min max 1 j 10 20 2 …...

编程日记 2024/12/13 10:25:59

MacOS 上以源码形式安装 MySQL 5.7

以下是在 macOS 上从源码安装 MySQL 5.7 的步骤： 前置条件 安装 Homebrew：如果你还没有安装 Homebrew，可以在终端中运行以下命令进行安装： /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install…...

编程日记 2024/12/13 10:22:55

MySQL 事务隔离级别详解

一、事务的基本概念 （一）什么是事务 事务是一个逻辑工作单元，由一组数据库操作组成。这些操作要么全部成功执行，要么全部回滚，以确保数据库的一致性。事务具有以下四个特性，通常被称为 ACID 特性&#xff…...

编程日记 2024/12/13 10:20:46

C语言——高精度问题

1、高精度计算的本质&#xff1a;竖式计算&#xff1b; 2、适用解决超出long long int 范围的大整数计算 #include<stdio.h> #include<string.h> #define N 100 char str1[N4]{0},str2[N4]{0}; int arr1[N4]{0},arr2[N4]{0}; int ans[N5]{0};//将字符串转化成整型…...

编程日记 2024/12/13 10:18:43

aippt：AI 智能生成 PPT 的开源项目

aippt&#xff1a;AI 智能生成 PPT 的开源项目 在现代办公和学习中&#xff0c;PPT&#xff08;PowerPoint Presentation&#xff09;是一种非常重要的展示工具。然而&#xff0c;制作一份高质量的PPT往往需要花费大量的时间和精力。为了解决这一问题&#xff0c;aippt项目应运…...

编程日记 2024/12/13 10:14:39

【Qt之·类QSettings·参数保存】

系列文章目录 文章目录 前言一、概述1.1 QSetting是什么1.2 为什么学习QSetting是重要的 二、不同存储位置的优缺点三、 QSetting的高级用法四、实例演示总结 前言 在当今的应用程序开发中&#xff0c;设置管理是一个至关重要的方面。应用程序的设置包括用户偏好、配置选项和其…...

编程日记 2024/12/13 10:12:36

location重定向和nginx代理

文章目录 1 location重定向1.1 概述1.2 rewrite跳转1.3 用例1.4 实验1.4.1 基于域名的跳转1.4.2 基于ip的跳转1.4.3 基于后缀名的跳转 2 nginx的代理2.1 nginx内置变量2.2 正向代理2.2.1 固定正向代理2.2.2 自动代理 2.3 反向代理2.3.1 负载均衡的算法2.3.2 负载均衡的特点2.3.…...

编程日记 2024/12/13 10:11:32

iptables详解

华子目录 什么是防火墙分类netfilter&#xff08;数据包过滤&#xff09;定义netfilter分析内容 防火墙无法完成的任务netfilter策略管理工具netfilter的5类hook函数防火墙规则策略匹配原则iptablesiptables流量处理动作iptables表5种规则表 安装iptablesiptables策略文件 ipta…...

编程日记 2024/12/13 10:10:30

Edge SCDN深度解析，边缘安全加速的创新实践

边缘安全加速&#xff08;Edge Secure Content Delivery Network&#xff0c;SCDN&#xff09;是酷盾安全推出的边缘集分布式 DDoS 防护、CC 防护、WAF 防护、BOT 行为分析为一体的安全加速解决方案。通过边缘缓存技术&#xff0c;智能调度使用户就近获取所需内容&#xff0c;为…...

编程日记 2024/12/13 10:09:27

solidworks常见问题已解决

solidworks常见问题已解决 问题1&#xff1a;step总是提示默认模板无效。问题2&#xff1a;异型孔向导”时出现了“找不到标准数据库。问题3&#xff1a;找不到CalloutForm.txt文件&#xff0c;标注将由几何体定义。问题5&#xff1a;工程图显示文件损坏不能保存。问题6&#x…...

编程日记 2024/12/13 10:05:22

vCenter开启HA报错

昨天给客户开启vCenter开启HA功能报错,报错的内容比较多 博通官方给出解决办法 https://knowledge.broadcom.com/external/article/318929/error-vsphere-ha-agent-cannot-be-correct.html 常规的解决办法 1.关闭集群HA,再次开启HA 2.主机进入维护模式&#xff0c;再次加入…...

编程日记 2024/12/13 10:02:14

在 Ubuntu 中 make 是否是系统自带的？怎么样查看Linux系统中是否有make？

make 命令 并不是所有 Ubuntu 系统都默认安装的&#xff0c;但它通常是开发工具链的一部分&#xff0c;许多开发者会在安装系统后配置它。make 是一个非常重要的构建工具&#xff0c;用于自动化编译和构建过程&#xff0c;特别是在编译软件或内核时。 make 的来源 make 是一个…...

编程日记 2024/12/13 9:59:09

js：我要在template中v-for循环遍历这个centrerTopdata，我希望自循环前面三个就可以了怎么写

问&#xff1a; 我按在要在template中v-for循环遍历这个centrerTopdata&#xff0c;我希望自循环前面三个就可以了怎么写&#xff1f; 回答&#xff1a; 问&#xff1a; <div v-for"(item, index) in centrerTopdata.slice(0, 3)" :key"index"> d…...

编程日记 2024/12/13 9:56:04

手把手教你用PyTorch 0.4.1复现D-LinkNet道路分割（附完整代码与数据集）

从零复现D-LinkNet道路分割&#xff1a;PyTorch 0.4.1实战指南 当你在GitHub上发现一个两年前的热门道路分割项目D-LinkNet&#xff0c;却发现它依赖PyTorch 0.4.1和CUDA 8.0这种"古董级"环境时&#xff0c;是否感到无从下手&#xff1f;本文将带你穿越时空&#xf…...

编程新知 2026/5/14 6:26:59

27岁裸辞转网安：从传统行业到网安，我踩通了这条路

27 岁女生从传统行业裸辞转网络安全&#xff0c;3 个月拿到大厂 offer&#xff1a;这行真的没你想的那么难 后台经常收到私信&#xff0c;问我一个做了 4 年传统行业&#xff08;之前是线下品牌运营&#xff09;的女生&#xff0c;为什么突然 “跨界” 转做网络安全&#xff1…...

编程新知 2026/5/14 5:40:31

浏览器光标锁定技术：Pointer Lock API与全屏API实战指南

1. 项目概述&#xff1a;一个解决浏览器光标“越狱”问题的实用工具如果你是一名前端开发者&#xff0c;或者经常需要制作在线演示、录屏教程&#xff0c;甚至是在开发一个网页端的游戏&#xff0c;那你一定遇到过这个让人头疼的问题&#xff1a;鼠标光标在网页里“不老实”。当…...

编程新知 2026/5/14 5:38:02

AI短视频生成引擎：从文章到视频的自动化流水线实战

1. 项目概述&#xff1a;一个能“读懂”文章的AI视频工厂最近在折腾短视频内容创作的朋友&#xff0c;估计都经历过一个共同的痛点&#xff1a;找选题、写脚本、找素材、配音、剪辑……一套流程下来&#xff0c;几个小时就没了&#xff0c;效率低得让人抓狂。尤其是想把一篇深度…...

编程新知 2026/5/14 4:19:42

从Xilinx 7系列FPGA看架构演进与工程选型实战

1. 项目概述&#xff1a;从一则旧闻看FPGA的演进与选型看到这个标题&#xff0c;很多朋友可能会觉得这是一则十多年前的“旧闻”了。确实&#xff0c;2011年Xilinx宣布其28nm 7系列FPGA在六个月内获得超过200个设计订单&#xff0c;这在当时是半导体行业的一个里程碑。但今天回…...

编程新知 2026/5/14 3:58:46

FreeRTOS和RT-Thread的内存管理实战：如何正确使用pvPortMalloc与rt_malloc替代C库malloc

FreeRTOS与RT-Thread内存管理实战&#xff1a;从标准库陷阱到RTOS最佳实践 在嵌入式实时操作系统开发中&#xff0c;动态内存分配就像高空走钢丝——一步失误可能导致系统崩溃。传统C库的malloc/free在RTOS环境中如同穿着拖鞋走钢丝&#xff0c;而pvPortMalloc和rt_malloc则是专…...

编程新知 2026/5/14 3:17:10

3步自动化优化：智能管理Cursor AI开发环境的革命性方案

3步自动化优化&#xff1a;智能管理Cursor AI开发环境的革命性方案 【免费下载链接】cursor-free-vip [Support 0.45]&#xff08;Multi Language 多语言&#xff09;自动注册 Cursor Ai &#xff0c;自动重置机器ID &#xff0c; 免费升级使用Pro 功能: Youve reached your tr…...

编程新知 2026/5/14 2:05:32

Java 注解底层原理、组合注解实现与 AOP 协同机制全解析

Java 注解底层原理与 AOP 协同工作机制 系统性总结 本文严格基于 Java 注解底层原理及 AOP 结合使用的核心技术论述&#xff0c;对知识点进行系统性梳理、重组与优化。全文遵循元注解构建组合注解 → 注解编译与运行底层机制 → 注解AOP 协同工作原理 → 实战问题与解决方案的逻…...

编程新知 2026/5/14 1:25:27

基于NestJS的上下文管理：从AsyncLocalStorage到微服务架构实践

1. 项目概述&#xff1a;从“Nest Hub”到“contextzero/nest_hub”的深度解构最近在逛一些开发者社区和开源项目托管平台时&#xff0c;我注意到一个挺有意思的现象&#xff1a;一个名为“contextzero/nest_hub”的项目开始在一些技术讨论中被提及。乍一看标题&#xff0c;很多…...

编程新知 2026/5/14 1:19:05

深度解析Claude源码泄露事件：从Transformer到AI开源生态的技术思考

1. 项目概述与背景解析最近在开发者社区里&#xff0c;关于“noya21th/claude-source-leaked”这个仓库的讨论热度不低。作为一个长期关注AI模型开源生态的从业者&#xff0c;我第一眼看到这个标题时&#xff0c;内心是既好奇又警惕的。简单来说&#xff0c;这是一个在GitHub上…...

编程新知 2026/5/14 0:39:00