paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
TW

Tianlong Wang

ACL 2026多模态可解释性效率与系统
新星分贡献者
18
一作贡献0
核心/参与5
方向广度6
合作网络0
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #4/7ACL 2026Poster· Natural Language Processing

Reducing Token Redundancy in LVLM s: A Systematic Review of Token Pruning Methods

Hanzhang Yuan · Mengxuan Hu · Wenhao Zhang · Tianlong Wang · Zhongliang Zhou · Jiasen Lu · Sheng Li

摘要

Large Vision-Language Models (LVLMs) excel at visual understanding but face severe computational bottlenecks when processing high-resolution images and long videos due to massive visual token counts. Token pruning mitigates this by selectively removing less informative tokens while maintaining pe...

多模态可解释性效率与系统OpenReview 项目页

常见合作者