arXiv · AI· 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·· 17 小时前AI 评分22
HiUni 统一视觉理解与生成的共享视觉空间模型
HiUni: Harmonizing Understanding and Generation in Shared Visual Space
AI 导读
HiUni 复用同一语言对齐 ViT 和密集 Transformer 骨干,将任务特定计算限制在输出端。 通过引入 Pixel Diffusion Head 和轻量级 HiGate,该模型在保持预训练 VLM 理解水平的同时,实现了有竞争力的图像生成性能。 单一密集骨干有效支持了理解与生成功能,展示了统一多模态建模的简化路径。
来源:arXiv · AI · arxiv.org