# Cambrian-BEV accelera l’analisi video con token a vista dall’alto

> Un nuovo metodo di tokenizzazione comprime 128 fotogrammi in 729 token spaziali, riducendo di 2,9× il tempo di prefill degli LLM e di 3,6× la memoria.

Oossa · 2026-10-19 · https://oossa.com/it/cambrian-bev-speeds-up-video-reasoning-with-bird-s-eye-view-tokens

I ricercatori hanno presentato Cambrian-BEV, un metodo per proiettare le porzioni visive dei video su una griglia condivisa vista dall’alto. Usa la profondità e la posizione della videocamera per unire le osservazioni dello stesso luogo, indipendentemente dal punto di vista o dal momento. Il metodo mantiene invariata l’architettura del modello, ma sostituisce i token dei fotogrammi con token BEV disposti su una griglia 27×27. Nel test VSI-Bench ha ottenuto 63.48, 8.5 punti in più rispetto a un sistema di riferimento basato sui token dei fotogrammi, usando molti meno token.

## I fatti

- 128 fotogrammi → 729 token BEV (griglia 27×27)
- Tempo di prefill ridotto di 2,9×; memoria di picco ridotta di 3,6×

## Perché conta

Permette agli sviluppatori di creare assistenti IA basati sui video più veloci e leggeri, capaci di ragionare sullo spazio con maggiore affidabilità.

## Fonti e riferimenti

1. [Thinking from Above: Efficient Spatial Reasoning with Bird's-Eye-View Visual Tokens](https://arxiv.org/abs/2610.22700) – arXiv cs.CV, 2026-10-19

Ultimo aggiornamento: 2026-10-19