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 2025/12/13 8:24:00

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

边缘计算医疗风险自查APP开发方案

核心目标：在便携设备（智能手表/家用检测仪）部署轻量化疾病预测模型，实现低延迟、隐私安全的实时健康风险评估。 一、技术架构设计 #mermaid-svg-iuNaeeLK2YoFKfao {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg…...

编程新知 2025/12/12 16:39:33

蓝桥杯 2024 15届国赛 A组 儿童节快乐

P10576 [蓝桥杯 2024 国 A] 儿童节快乐 题目描述 五彩斑斓的气球在蓝天下悠然飘荡&#xff0c;轻快的音乐在耳边持续回荡&#xff0c;小朋友们手牵着手一同畅快欢笑。在这样一片安乐祥和的氛围下&#xff0c;六一来了。 今天是六一儿童节&#xff0c;小蓝老师为了让大家在节…...

编程新知 2025/12/5 2:40:04

令牌桶 滑动窗口-＞限流 分布式信号量-＞限并发的原理 lua脚本分析介绍

文章目录 前言限流限制并发的实际理解限流令牌桶代码实现结果分析令牌桶lua的模拟实现原理总结&#xff1a; 滑动窗口代码实现结果分析lua脚本原理解析 限并发分布式信号量代码实现结果分析lua脚本实现原理 双注解去实现限流 并发结果分析&#xff1a; 实际业务去理解体会统一注…...

编程新知 2025/12/11 17:03:24

项目部署到Linux上时遇到的错误（Redis，MySQL，无法正确连接，地址占用问题）

Redis无法正确连接 在运行jar包时出现了这样的错误 查询得知问题核心在于Redis连接失败&#xff0c;具体原因是客户端发送了密码认证请求&#xff0c;但Redis服务器未设置密码 1.为Redis设置密码&#xff08;匹配客户端配置&#xff09; 步骤&#xff1a; 1&#xff09;.修…...

编程新知 2025/12/7 11:23:55

Mobile ALOHA全身模仿学习

一、题目 Mobile ALOHA&#xff1a;通过低成本全身远程操作学习双手移动操作 传统模仿学习&#xff08;Imitation Learning&#xff09;缺点&#xff1a;聚焦与桌面操作&#xff0c;缺乏通用任务所需的移动性和灵活性 本论文优点&#xff1a;&#xff08;1&#xff09;在ALOHA…...

编程新知 2025/12/9 12:23:34

Pinocchio 库详解及其在足式机器人上的应用

Pinocchio 库详解及其在足式机器人上的应用 Pinocchio (Pinocchio is not only a nose) 是一个开源的 C 库&#xff0c;专门用于快速计算机器人模型的正向运动学、逆向运动学、雅可比矩阵、动力学和动力学导数。它主要关注效率和准确性&#xff0c;并提供了一个通用的框架&…...

编程新知 2025/11/28 5:32:31

QT3D学习笔记——圆台、圆锥

类名作用Qt3DWindow3D渲染窗口容器QEntity场景中的实体&#xff08;对象或容器&#xff09;QCamera控制观察视角QPointLight点光源QConeMesh圆锥几何网格QTransform控制实体的位置/旋转/缩放QPhongMaterialPhong光照材质&#xff08;定义颜色、反光等&#xff09;QFirstPersonC…...

编程新知 2025/9/22 1:53:57

代码规范和架构【立芯理论一】（2025.06.08）

1、代码规范的目标 代码简洁精炼、美观&#xff0c;可持续性好高效率高复用&#xff0c;可移植性好高内聚&#xff0c;低耦合没有冗余规范性&#xff0c;代码有规可循&#xff0c;可以看出自己当时的思考过程特殊排版&#xff0c;特殊语法&#xff0c;特殊指令&#xff0c;必须…...

编程新知 2025/12/1 5:09:24

「全栈技术解析」推客小程序系统开发：从架构设计到裂变增长的完整解决方案

在移动互联网营销竞争白热化的当下&#xff0c;推客小程序系统凭借其裂变传播、精准营销等特性&#xff0c;成为企业抢占市场的利器。本文将深度解析推客小程序系统开发的核心技术与实现路径&#xff0c;助力开发者打造具有市场竞争力的营销工具。​ 一、系统核心功能架构&…...

编程新知 2025/8/21 16:28:18

DeepSeek源码深度解析 × 华为仓颉语言编程精粹——从MoE架构到全场景开发生态

前言 在人工智能技术飞速发展的今天&#xff0c;深度学习与大模型技术已成为推动行业变革的核心驱动力&#xff0c;而高效、灵活的开发工具与编程语言则为技术创新提供了重要支撑。本书以两大前沿技术领域为核心&#xff0c;系统性地呈现了两部深度技术著作的精华&#xff1a;…...

编程新知 2025/12/8 17:52:04