论文研究 arXiv cs.CV Fri, 16 Oct 2026 正文 thin 4 words

Intern Lumina U2：用于全视觉理解与图像生成的多代码本扩散大语言模型

英文标题：Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation

论文《Intern Lumina U2》提出了一种面向全视觉理解与图像生成的多代码本扩散大语言模型。论文将统一多模态生成划分为离散、连续和混合三类范式，并指出采用单一代码本视觉分词器的离散方法虽然易于与文本建模对齐，但表征能力有限。该工作聚焦通过多代码本设计提升视觉表示与生成能力，对需要统一处理视觉理解和图像生成任务的多模态模型开发具有参考意义。该论文以 arXiv:2610.20818v1 的新论文形式发布。

打开原文相关 3.2 · 机会 0