入力適応型前処理による効率的な高速ビジョン-言語モデル推論

本論文は、入力適応型の視覚的プリプロセッシングに焦点を当て、ビジョン-言語モデル（VLM）の推論を最適化する方法を検討しています。提案手法は、特定の入力データに合わせてプリプロセッシングステップを調整することにより、効率を向上させることを目指していると考えられます。