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
2026.09.14 · 观点 · 论文 · 论文预印本
南洋理工大学研究揭示，在合理架构下，视觉理解与生成可相互促进，端到端统一模型优于模块化组合。
南洋理工大学MMLab发表论文，在原生多模架构下从表征、任务、系统三层研究视觉理解与生成的协同。发现表征层面二者可互益但简单共享会冲突，任务层面共享底层知识的任务能双向提升，系统层面端到端UMM在推理密集型编辑任务上优于模块化组合。
- 表征层面：理解与生成互有帮助，但简单共享会冲突
- 任务层面：共享底层知识的任务可相互促进
- 系统层面：端到端UMM优于模块化Planner→Executor
- 几何推理、SVG、3D空间智能任务验证双向提升
- UMM价值在于需要理解与生成紧密耦合的任务
为什么值得看
厘清UMM中理解与生成的真实关系，指导多模态模型架构设计。
适合谁关注
多模态模型研究者、AI工程师及关注统一模型发展的从业者。