Skip to main content

autogaze-efficient-video-understanding

Reduce video token overhead by 4-100x through autoregressive patch selection, enabling MLLMs to process 1K-frame 4K video efficiently. Uses next-token prediction to identify multi-scale patches that matter. Achieves 19x speedup on vision transformers. Use when processing long, high-resolution videos with MLLMs, have budget constraints on tokens/compute, or need to handle 4K resolution at scale.

الانتقال إلى التثبيت

معلومات المصدر

المستودع
ADu2021/skillXiv
آخر نشاط في المصدر
٢٦ مارس ٢٠٢٦ في ٠٥:٢٢
لغة SKILL.md المكتشفة
الإنجليزية
النجوم
٦
التفرعات
٠

خيارات التثبيت

يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.

مراجعة ملفات المصدر

اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.