<?xml version="1.0" encoding="utf-8" standalone="yes" ?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Token级分析 | ViLab</title>
    <link>https://vilab.team/tag/token%E7%BA%A7%E5%88%86%E6%9E%90/</link>
      <atom:link href="https://vilab.team/tag/token%E7%BA%A7%E5%88%86%E6%9E%90/index.xml" rel="self" type="application/rss+xml" />
    <description>Token级分析</description>
    <generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>en-us</language><lastBuildDate>Mon, 29 Jun 2026 00:00:00 +0000</lastBuildDate>
    <image>
      <url>https://vilab.team/media/icon_hu2896232876136423579.png</url>
      <title>Token级分析</title>
      <link>https://vilab.team/tag/token%E7%BA%A7%E5%88%86%E6%9E%90/</link>
    </image>
    
    <item>
      <title>Token-Wise Attention-Guided Semantic Quality Assessment for Compressed Visual Features</title>
      <link>https://vilab.team/publication/token-wise-attention-guided-semantic-quality-assessment-for-/</link>
      <pubDate>Mon, 29 Jun 2026 00:00:00 +0000</pubDate>
      <guid>https://vilab.team/publication/token-wise-attention-guided-semantic-quality-assessment-for-/</guid>
      <description>&lt;p&gt;本文针对协作与分布式智能系统中压缩中间特征的语义质量评估问题，提出了一种基于Token级注意力引导的评估方法。该方法利用原始与重建Token之间的内在对应关系，在Token层面进行质量度量，以减少跨Token干扰；同时通过注意力机制区分不同Token对下游任务的重要性，从而更准确地反映压缩特征的语义效用。实验表明，该方法在多种特征编解码器上均优于传统相似性度量，具有良好的鲁棒性。&lt;/p&gt;
</description>
    </item>
    
    <item>
      <title>祝贺实验室科研成果发表于 QoMEX 2026！</title>
      <link>https://vilab.team/event/%E7%A5%9D%E8%B4%BA%E5%AE%9E%E9%AA%8C%E5%AE%A4%E7%A7%91%E7%A0%94%E6%88%90%E6%9E%9C%E5%8F%91%E8%A1%A8%E4%BA%8E-qomex/</link>
      <pubDate>Mon, 29 Jun 2026 00:00:00 +0000</pubDate>
      <guid>https://vilab.team/event/%E7%A5%9D%E8%B4%BA%E5%AE%9E%E9%AA%8C%E5%AE%A4%E7%A7%91%E7%A0%94%E6%88%90%E6%9E%9C%E5%8F%91%E8%A1%A8%E4%BA%8E-qomex/</guid>
      <description>&lt;p&gt;热烈祝贺柯诗恩同学！论文《Token-Wise Attention-Guided Semantic Quality Assessment for Compressed Visual Features》已发表在 &lt;em&gt;QoMEX 2026&lt;/em&gt;。&lt;/p&gt;
&lt;h2 id=&#34;token-wise-attention-guided-semantic-quality-assessment-for-compressed-visual-features&#34;&gt;Token-Wise Attention-Guided Semantic Quality Assessment for Compressed Visual Features&lt;/h2&gt;
&lt;p&gt;&lt;strong&gt;祝贺柯诗恩同学！该论文已发表在 &lt;em&gt;QoMEX&lt;/em&gt;。&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;作者：&lt;/strong&gt; Shien Ke、Changsheng Gao、Hadi Amirpour、Zhihua Wang、Xiaoyan Sun&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;发表载体：&lt;/strong&gt; &lt;em&gt;QoMEX&lt;/em&gt;&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;发表时间：&lt;/strong&gt; 2026年6月29日&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;相关链接：&lt;/strong&gt; &lt;a href=&#34;https://ieeexplore.ieee.org/abstract/document/11618326/&#34; target=&#34;_blank&#34; rel=&#34;noopener&#34;&gt;论文链接&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&#34;论文介绍&#34;&gt;论文介绍&lt;/h3&gt;
&lt;p&gt;本文针对协作与分布式智能系统中压缩中间特征的语义质量评估问题，提出了一种基于Token级注意力引导的评估方法。该方法利用原始与重建Token之间的内在对应关系，在Token层面进行质量度量，以减少跨Token干扰；同时通过注意力机制区分不同Token对下游任务的重要性，从而更准确地反映压缩特征的语义效用。实验表明，该方法在多种特征编解码器上均优于传统相似性度量，具有良好的鲁棒性。&lt;/p&gt;
</description>
    </item>
    
  </channel>
</rss>
