跳到正文
arXiv · 机器人与计算机视觉· 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·· 4 小时前AI 评分58

HiUni:在共享视觉空间中调和理解与生成的多模态模型

HiUni: Harmonizing Understanding and Generation in Shared Visual Space

AI 导读

arXiv 论文 HiUni 提出一种统一的视觉语言模型架构,旨在支持视觉理解与图像生成/编辑在同一框架内运行。该工作复用相同的语言对齐 ViT 和密集 Transformer 骨干网络,将任务特定计算限制在输出端。

来源:arXiv · 机器人与计算机视觉 · arxiv.org