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 2026/3/29 21:13:22

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

从投稿到接收：我的IEEE SPL完整时间线复盘与经验总结

从投稿到接收&#xff1a;我的IEEE SPL完整时间线复盘与经验总结 去年夏天&#xff0c;当我收到IEEE Signal Processing Letters&#xff08;SPL&#xff09;的录用邮件时&#xff0c;实验室的咖啡机正发出熟悉的咕噜声。那一刻&#xff0c;我意识到这杯咖啡比往常更香——不是…...

编程新知 2026/3/29 20:24:07

Gemini 3.1 Pro官网架构革新解析：MoE稀疏性、多模态统一表示与技术实现

对于追求前沿AI模型底层逻辑的研究者与工程师而言&#xff0c;2026年Google发布的Gemini 3.1 Pro不仅仅是一次性能迭代&#xff0c;更是在混合专家系统稀疏性、原生多模态统一表示及动态计算分配等核心架构上的一次深度演进。 要零门槛、高自由度地探究其技术本质&#xff0c;…...

编程新知 2026/3/29 20:22:07

告别官方开发板：手把手教你为自制的RK3568板卡移植Linux系统（Ubuntu 18.04环境）

从零构建&#xff1a;自制RK3568开发板的Linux系统深度移植实战 当一块自制的RK3568开发板静静躺在工作台上&#xff0c;没有官方文档支持&#xff0c;没有现成的配置文件&#xff0c;这才是真正考验工程师功底的时刻。不同于使用官方开发板的"开箱即用"&#xff0c;…...

编程新知 2026/3/29 19:23:36

Anaconda环境下Lumerical lumapi模块导入失败的3种修复方法（实测有效）

Anaconda环境下Lumerical lumapi模块导入失败的深度解决方案 当你满怀期待地在Anaconda环境中安装完Lumerical相关组件&#xff0c;准备大展拳脚时&#xff0c;突然遭遇ModuleNotFoundError: No module named lumapi这样的错误提示&#xff0c;确实令人沮丧。这种情况在重装系…...

编程新知 2026/3/29 19:09:35

表格拖拽排序实战：从业务需求到代码落地的全链路指南

表格拖拽排序实战&#xff1a;从业务需求到代码落地的全链路指南 【免费下载链接】ngx-datatable ✨ A feature-rich yet lightweight data-table crafted for Angular 项目地址: https://gitcode.com/gh_mirrors/ng/ngx-datatable 在现代Web应用中&#xff0c;数据表格…...

编程新知 2026/3/29 18:13:18

大模型入门学习教程（非常详细）非常详细收藏我这一篇就够了！大模型教程

本文系统介绍了LLM&#xff08;大型语言模型&#xff09;的基础知识&#xff0c;包括机器学习的数学基础、Python编程及其在数据科学中的应用、神经网络原理等。文章深入剖析了LLM科学家和工程师的角色&#xff0c;涵盖了大型语言模型架构、指令数据集构建、预训练模型、监督微…...

编程新知 2026/3/29 17:20:52

【Python异步I/O终极指南】：20年CTO亲授asyncio高并发实战心法，避开97%开发者踩过的12个致命陷阱

第一章&#xff1a;Python异步I/O的本质与演进脉络Python异步I/O并非简单的“多线程替代方案”&#xff0c;其本质是**在单线程内通过事件循环&#xff08;event loop&#xff09;协同调度I/O等待任务&#xff0c;避免CPU空转&#xff0c;实现高并发吞吐**。它依赖操作系统底层…...

编程新知 2026/3/29 16:12:20

实测MinerU 2.5-1.2B：复杂排版PDF提取效果惊艳，小白也能上手

实测MinerU 2.5-1.2B&#xff1a;复杂排版PDF提取效果惊艳&#xff0c;小白也能上手 1. 引言&#xff1a;为什么需要专业的PDF提取工具 1.1 日常工作中的PDF处理痛点 作为一名经常需要处理学术文献的研究员&#xff0c;我深知PDF文档带来的困扰。上周我尝试用常规工具提取一…...

编程新知 2026/3/29 15:29:57

苹果M系列芯片用户必看：三步搞定iOS游戏在Mac上的完美运行方案

苹果M系列芯片用户必看&#xff1a;三步搞定iOS游戏在Mac上的完美运行方案 【免费下载链接】PlayCover Community fork of PlayCover 项目地址: https://gitcode.com/gh_mirrors/pl/PlayCover 还在为Mac上无法畅玩心爱的iOS游戏而烦恼吗&#xff1f;你是否想过&#xff…...

编程新知 2026/3/29 15:25:55

手把手教你部署造相Z-Image v2：内置模型版，开箱即用免配置

手把手教你部署造相Z-Image v2&#xff1a;内置模型版&#xff0c;开箱即用免配置 1. 为什么选择造相Z-Image v2&#xff1f; 如果你正在寻找一个既强大又易于部署的文生图模型&#xff0c;造相Z-Image v2绝对值得考虑。这个由阿里通义万相团队开源的模型&#xff0c;拥有20亿…...

编程新知 2026/3/29 14:57:44