IXThinker·2026-04-30 15:00

自回歸眼動方法　影片理解效率提升十九倍

學術分享聚焦多模態模型的影片效率瓶頸：現有方法對所有像素平均運算，忽略時空冗餘，令長時高分辨率影片成本高昂。研究提出自回歸眼動範式，預測關鍵注視點序列動態聚焦重要區域，大幅降低計算開銷並提升可擴展性。

效率瓶頸所在

多模態大語言模型在影片理解上進展顯著，但處理長時長、高分辨率影片時效率受限。現有模型對所有像素一視同仁，忽略大量時空冗餘信息，導致計算資源浪費，成本隨影片長度與解析度急升。