arXiv cs.CV· Donghyeon Cho, Joowon Kim, Seungho Shin, Eunho Yang·· 2 小时前AI 评分38
LOWN：证书引导视觉路由，让扩散 VLM 只在需要时处理图像
Look Only When Needed: Certificate-Guided Visual Routing for Efficient Diffusion VLMs
AI 导读
LOWN 是一种无需训练的解码方法，每步先不带图像预测被掩码 token，仅当该预测与上一次图像条件预测不一致时才处理图像，并按通过验证的 token 数决定解掩码数量。在 LLaDA-V 上移除图像平均只在 22.8% 的解码步改变被解掩码 token；LOWN 在十个基准上以平均 35.3% 的解码 FLOPs 保留 99.6% 的分数。
来源：arXiv cs.CV · arxiv.org