统一生成模型

DuoGen：迈向自主交错多模态生成

DuoGen: Towards Autonomous Interleaved Multimodal Generation

用预训练 MLLM 做视觉理解、用视频预训练 DiT 做图像生成，再以两阶段解耦对齐把两者拼成交错图文生成器，为视觉研究者提供了免单模态预训练即可搭建统一生成模型的可行路径，以及交错图文评测基准。