arXiv · 机器人与计算机视觉· Duc Kieu, Kien Do, Minh Khoa Le, Tung Kieu, Dang Nguyen, Thin Nguyen·· 2026-10-20AI 评分53
Modaliff:一种用于任意模态间生成的统一 Token 扩散模型
Modaliff: A Unified Token Diffusion Model for Any-to-Any Generation
AI 导读
arXiv 发布了一篇关于 Modaliff 模型的预印本论文,提出了一种基于 Token 的扩散模型架构,旨在实现文本、图像和音频之间的灵活互译。该模型通过统一的 Token 序列整合条件与目标,利用每 Token 属性消除歧义并保留各模态的内部结构,无需任务特定的架构变更或共享跨模态潜在空间即可支持多种生成任务。
来源:arXiv · 机器人与计算机视觉 · arxiv.org