VisCo: Leveraging Large Language Models as Intrinsic Encoders for Visual Token Compression

• 类型：arxiv
• 标识：2607.12756
• 链接：https://arxiv.org/abs/2607.12756
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：VisCo is a training-efficient self-compression framework that reuses the pretrained VLM itself as an intrinsic compressor that compresses visual information using a small set of memory tokens and transfers hierarchical information from encoding to decoding.
• 副分类：engineering
• 待LLM分类：否
• 标题中文：VisCo：利用大语言模型作为视觉 token 压缩的内在编码器
• TLDR中文：VisCo 是一个训练高效的自压缩框架，复用预训练 VLM 本身作为内在压缩器，使用少量 memory token 压缩视觉信息，并将层次化信息从编码传递到解码。
• 来源文件：
• /inbox/tom/_candidates/2026-07-27-agent-rag-longcontext-candidates.json
• [S2 enrich]