C²-Routing 预印本提出，根据图片和问题动态选择裁剪或整体压缩，减少视觉语言模型需要处理的图像信息。细小目标更适合局部放大，分散线索则可能需要保留全图。
系统还设置回退机制，在信息缩减可能影响正确性时使用原图。作者在三种模型和 18 个数据集中进行评估，实验使用 RTX 3090。
在视觉预算已限制为 1024 Token 的对照下，论文报告平均进一步减少 42.36% 的视觉 Token 和 36.53% 的端到端计算量，任务分数平均相对下降 0.77%。
来源：arXiv 原文。
图片来源：论文作者 / arXiv。