**FocusVTC：通过自适应分辨率实现高效视觉文本压缩**

_FocusVTC: Efficient and High-Performance Visual Text Compression with Adaptive Resolution_

> 针对长上下文推理的高成本问题，FocusVTC 提出了一种结合低 DPI 全局视图与选择性区域增强的自适应视觉文本压缩方法。该方法利用 REL-CoT 数据及多分辨率监督微调，使模型能精准定位关键区域并动态调整分辨率，无需额外持续预训练。实验显示，FocusVTC 在 RULER v1 上以 2.9 倍压缩率取得 87.4 分，显著优于基线模型，同时保持通用多模态能力并实现 2.79 倍端到端加速。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.36651)