# Cambrian-BEV acelera a análise de vídeos com tokens em visão aérea

> Um novo método de tokenização comprime 128 quadros de vídeo em 729 tokens espaciais, reduzindo em 2,9× o tempo de pré-preenchimento do LLM e em 3,6× o uso de memória.

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

Pesquisadores apresentaram o Cambrian-BEV, um método que mapeia recortes visuais de vídeos em uma grade compartilhada com visão aérea. Ele usa profundidade e a posição da câmera para combinar observações do mesmo lugar, independentemente do ponto de vista ou do momento. O método mantém a mesma arquitetura do modelo, mas substitui os tokens de quadros por tokens BEV em uma grade de 27×27. No teste VSI-Bench, obteve 63,48 pontos — 8,5 pontos a mais que uma configuração de referência baseada em tokens de quadros, usando muito menos tokens.

## Os fatos

- 128 quadros → 729 tokens BEV (grade de 27×27)
- Tempo de pré-preenchimento reduzido em 2,9×; memória de pico reduzida em 3,6×

## Por que importa

Isso permite que desenvolvedores criem assistentes de IA baseados em vídeo mais rápidos e leves, capazes de raciocinar sobre o espaço com mais confiabilidade.

## Fontes e referências

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

Última atualização: 2026-10-19