Fusion：统一视觉Transformer序列Token自适应的框架

论文提出Fusion自适应推理框架，以“先合并Token、再评估置信度、最后剪枝”的阶段顺序协同Token合并、提前退出和Token剪枝。基于DeiT-S的ImageNet-1k实验称，在相近计算预算下达到或超过现有方法，校准误差最高降低4倍、推理能耗降低48%，并在多个数据集和ViT骨干上保持迁移效果。