논문 정보
- 날짜:
2026-03-31 - 카테고리: -
- 우선순위 점수: 0.033
핵심 요약
AdaptToken은 MLLM의 자가 불확실성(Entropy)을 활용하여 긴 비디오 이해 시 토큰을 효율적으로 선택하는 학습 불필요 프레임워크입니다. 비디오를 그룹화하여 중요 토큰을 선별하고, 모델의 응답 엔트로피를 통해 전역 토큰 예산을 할당하거나 조기 종료를 수행합니다. 실험 결과 Qwen2.5-VL 등 다양한 모델에서 정확도 향상과 추론 시간 단축을 동시에 달성했습니다.학습자 관점 포인트
- 우리 팀 영향: 긴 비디오 처리 시 메모리 비용과 추론 시간을 획기적으로 줄이면서도 성능을 유지할 수 있는 효율적인 토큰 관리 기법을 제공합니다.
- 권장 액션: 실험
- 액션 근거: 학습 없이 기존 MLLM에 적용 가능하며, 엔트로피 기반의 조기 종료 기능이 실제 서비스 추론 비용 절감에 유효할 것으로 판단됩니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.28696
- Hugging Face Papers: https://huggingface.co/papers/2603.28696