Skip to main content

visor-sparse-vision-language-interaction

Optimize vision-language model inference by sparsifying the interactions between vision and language tokens instead of compressing images. Uses a dynamic policy to allocate visual computation per sample based on complexity, enabling a universal network across different compute budgets. Maintains high-resolution reasoning when needed. Use when deploying VLMs under varying compute constraints, need per-sample efficiency adaptation, or want to preserve fine visual details while reducing compute.

Zur Installation springen

Quellinformationen

Repository
ADu2021/skillXiv
Letzte Quellaktivität
26. März 2026 um 05:22
Erkannte Sprache von SKILL.md
Englisch
Sterne
6
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.