Google新研究：同步图像理解与生成
burny_tech · x · 2026-07-19
Google 提出 CO2Jump 模型，实现了图像的理解与生成同步进行。不同于先生成文本再出图的传统流程，该模型在扩散过程中同步更新文本和图像 token。其核心在于**自我纠正机制**：若早期预测有误，模型可通过跨模态注意力重新掩蔽并修正。这种在“所见、所述与所绘”间的协商能力，显著提升了联合图像编辑、迷宫求解等需要图文强一致任务的表观。
burny_tech · x · 2026-07-19
Google 提出 CO2Jump 模型，实现了图像的理解与生成同步进行。不同于先生成文本再出图的传统流程，该模型在扩散过程中同步更新文本和图像 token。其核心在于**自我纠正机制**：若早期预测有误，模型可通过跨模态注意力重新掩蔽并修正。这种在“所见、所述与所绘”间的协商能力，显著提升了联合图像编辑、迷宫求解等需要图文强一致任务的表观。