arXiv · cs.AI · Akul Santhosh, Aastha Jhunjhunwala · 11 小时前模型评分39
FOCUS：面向高效视觉语言理解的闭环注意力反馈框架
FOCUS: Closed-Loop Attention Feedback for Efficient Vision-Language Understanding
导读
FOCUS 是一个无需训练的三层框架，通过时间门控只在场景发生语义变化时触发视频帧采集，减少视觉语言模型（VLM，Vision-Language Model）的调用次数。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce FOCUS, a training-free three-layer framework that reduces the number of invocations and steers each one towards what matters.”
来源：arXiv · cs.AI · arxiv.org