arXiv · cs.AI· Jinghua Hou·· 19 天前AI 评分34
DVD：面向高效 MLLM 感知的动态向量解码方法
DVD: Dynamic Vector Decoding for Efficient MLLM-based Perception
来源与原文
arXiv · cs.AI
作者：Jinghua Hou
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.12266v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出动态向量解码方法 DVD，统一 2D 与 3D 感知任务的表示，将边界框、掩码等感知表示转为 1D 向量序列并映射为紧凑离散 token，再由轻量 de-tokenizer 解码回原始表示，可无缝接入 MLLM。在 RefCOCO 系列、SUN-RGBD、KITTI、Hypersim、nuScenes 等 2D/3D 基准上，DVD 取得更优性能，并显著降低 token 开销与推理延迟。
来源：arXiv · cs.AI · arxiv.org