TeQCo：面向免训练视频 token 压缩的时间配额一致性

arXiv:2610.32991v1 公告类型：新摘要：视频 token 压缩必须同时控制时间覆盖和任务相关性，但顺序执行的各阶段可能相互冲突：由内容驱动的分配阶段可能被全局排序覆盖，从而移除整个时间位置。我们将此识别为分配冲突，并提出 TeQCo，一个无需训练的框架，通过时间配额一致性来解决该问题。TeQCo 根据归一化帧表示的一阶变化分配候选容量，并将每一帧内的所有 token 聚合为一个紧凑的候选集。随后，候选由经先验校正的任务注意力打分，并在继承自第一阶段计数的整数帧配额内进行选择。内容变化决定时间容量；问题相关性决定哪些候选填充该容量。该设计在可行时保证精确的 token 预算和每帧覆盖下限。在包含 2,700 个问题的 Video-MME 基准上，使用 Qwen3-VL-8B，TeQCo 在 510 ms TTFT 下达到 68.52% 的准确率，TTFT 降低 32.9%，准确率下降 1.00 个百分点。

中文由 AI 翻译，仅供参考，以原文为准。