**Video2LoRA：面向视觉语言模型的参数化视频内部化**

_Video2LoRA: Parametric Video Internalization for Vision-Language Models_

> Video2LoRA 提出一种参数化视频内部化方法，通过感知器超网络从视频中间表示生成 LoRA 适配器，使冻结的视觉语言模型无需在上下文携带视觉令牌即可回答查询。该方法在多个基准上统计性能不劣于直接视频输入，同时将视觉令牌负载降低高达 1500 倍、查询首令牌时间缩短 6-80 倍，并支持长视频的片段化组合。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.04351)