DYNAMIC-LLAVA: EFFICIENT MULTIMODAL LARGE LANGUAGE MODELS VIA DYNAMIC VISION-LANGUAGE CONTEXT

本文是LLM系列文章,针对《DYNAMIC-LLAVA: EFFICIENT MULTIMODAL LARGE LANGUAGE MODELS VIA DYNAMIC VISION-LANGUAGE CONTEXT SPARSIFICATION》的翻译。

动态LLAVA:通过动态视觉语言上下文稀疏化的高效多模态大型语言模型

摘要

多模态大型语言模型(MLLM)在视觉理解、推理和交互方面取得了显著的成功。然而,在解码过程中,推理计算和内存随着输出token的生成而逐渐增加,直接影响MLLM的效率。现有的方法试图减少视觉上下文冗余,以实现高效的MLLM。不幸的是,预填充阶段视觉上下文减少的效率效益在解码阶段逐渐降低。为了解决这个问题,我们提出了一种动态视觉语言上下文稀疏化框架dynamic LLaVA,该框架在预填充阶段动态减少了视觉上下文的冗余,并降低了解码过程中生成的语言上下文的内存和计算开销。动态LLaVA为不同的推理模式(即预填充、有和没有KV缓存的解码)设计了一种量身定制的稀疏化推理方案,以实现MLLM的高效推理。在实践中,动态LLaVA可以在预填充阶段将计算消耗减少约75%。同时,在MLLM的整个生成过程中,DynamicLLaVA在没有KV缓存的情况下解码时减少了约50%的计算消耗,而在使用KV缓存解码时,由于视觉语言上下文的稀疏化,节省了50%的GPU内存开销。广泛的实验还表明,与完整的上下文推理基线相比,动态LLaVA实

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值