论文页面 - 3DZip：面向3D问答的空间感知特征多样性引导的令牌压缩

来源：https://huggingface.co/papers/2608.01185

摘要

最近的3D视觉-语言模型（3DVLMs）通过将2D视觉特征投影到世界坐标来构建几何感知令牌，从而支持3D问答等任务的空间推理。然而，这种设计每个场景会生成数千个令牌，导致巨大的计算和内存开销。虽然令牌压缩在2DVLMs中已被广泛研究，但现有方法依赖于语义相关性或基于注意力的选择，忽略了3D令牌的结构化空间特性。此外，3D表示中的冗余无法仅通过空间邻近性来解决，因为即使在空间聚合之后，对象级别的令牌不平衡仍然存在。为了解决这个问题，我们提出了3DZip，一个三阶段的令牌压缩框架，首先应用粗体素化去除点级冗余，然后通过行列式点过程基于特征空间多样性选择锚定令牌，最后在空间约束下合并剩余令牌以保持几何一致性。在三个3D问答基准上的实验表明，3DZip持续优于现有的压缩方法，仅用128个令牌即可保留94.7%的原始性能，并实现了1.92倍的推理速度提升。

查看arXiv页面 (https://arxiv.org/abs/2608.01185) 查看PDF (https://arxiv.org/pdf/2608.01185) 项目页面 (https://paper.pnu-cvsp.com/3DZip/) GitHub13 (https://github.com/cvsp-lab/3DZip) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.01185)

在你的代理中获取这篇论文：

hf papers read 2608\.01185

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2608.01185以从此页面链接它。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2608.01185以从此页面链接它。

引用此论文的Space0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2608.01185以从此页面链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将这篇论文添加到收藏集 (https://huggingface.co/new-collection) 以从此页面链接它。