视觉理解和生成究竟能否相互促进？从视觉表征、任务到系统重新审视UMM（在新窗口打开）
理解生成统一模型（Unified Multimodal Models, UMMs）正在成为多模态模型的重要发展方向。相比传统的理解模型 + 生成模型，UMM 希望在同一个模型中同时完成视觉理解和图像生成，让文本和图像能够在统一上下文中被理解、推理和生成。
搜索
关于“UMMs”的结果
共 2 篇
清华、西交联合开源发布了Cheers : 一条更简洁、更高效的统一多模态路线（在新窗口打开）
过去几年，多模态模型在理解任务上快速演进，图像问答、OCR、视觉推理、跨模态对话等能力不断提升；与此同时，图像生成模型也在视觉质量、指令遵循和细节表达上持续突破。下一步一个自然的问题是：能否用同一个模型，同时做好理解与生成？这正是统一多模态模型（Unified Multimodal Models, UMMs）正在回答的问题。