NVIDIA 与滑铁卢大学发布 PixelUMM:免编码器的像素级统一多模态模型

jiqizhixin · x · 2026-11-18

NVIDIA 与滑铁卢大学在 arXiv 预印本中提出 PixelUMM,一个免编码器的统一多模态模型,图像与视频共用原始像素接口完成理解与生成:

论文配图展示了完整的理解/生成双分支结构,是「去 tokenizer 化」统一建模路线的又一实证。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →