arXiv · 机器人与计算机视觉· Feize Wu, Zhiyuan Yan, Yuhuan Hong, Yuwei Niu, Zongjian Li, Zheyuan Liu, Bin Lin, Jinbo Yan, Jie Qin, Xudong Mao, Limeng Qiao, Guanglu Wan, Li Yuan·· 2026-10-16AI 评分65
ReasonUni:一种增强推理能力的统一多模态模型重建框架
ReasonUni: Reasoning-Augmented Reconstruction Advances Unified Multimodal Models
AI 导读
该论文提出了 ReasonUni 框架,旨在解决现有基于重建的统一多模态模型过于侧重感知、缺乏对结构与意图推理的问题。方法上,让模型在给定编辑指令时先进行关于“做什么”和“怎么做”的推理并描述目标状态,再生成对应图像;同时引入 TreeGRPO 强化学习方法联合优化推理与生成模块。实验表明该方法在多基准测试中均实现了理解与生成的同步提升。
来源:arXiv · 机器人与计算机视觉 · arxiv.org