全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

HiUni:在共享视觉空间中统一理解与生成

Unified multimodal models aim to support visual understanding and generation within a single framework. However, prevailing approaches often separate their visual representations or backbone computation to accommodate the different requirements of these two tasks, which limits the degree of unification. In this paper,

阅读原文 · Jiahao Hu, Jingdong Du, Yichen Zhang, Yi Song, Zhenyu Zhang, Jiaxin Niu, Ruihang Li, Xiangzhao Hao, Yiqian Zhang, Yong Huang, Zefeng Zhang, Zheyuan Gu, Shuohuan Wang

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

多模态统一模型这两年有个心照不宣的妥协:理解归理解,生成归生成,两套视觉表征、两套骨干计算,只是装进同一个仓库里。HiUni 想把这个妥协拆掉。 它问的问题很直接:一个预训练好的视觉语言模型,能不能几乎原封不动地拿来做图像生成?论文给出的答案是能,代价被挪到了输出端。 如果你关心统一多模态模型的架构取舍,这篇值得扫一眼。如果你只想要一个能画图的模型,它未必是...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。