视频处理模型

卡内基梅隆大学提出了一种新的视频大模型加速方法Run-Length Tokenization（RLT），通过将连续相同的图像块合并为一个token，使得Transformer的视频处理速度大幅提升。精度几乎没有损失的前提下，训练时间可缩短30%，推理阶段提速率可达67%。