Tag · 2 篇
视觉表征学习
分布 视觉语言模型1图像编辑与可控生成1
01 02
TUNA：为原生统一多模态模型驯服统一视觉表征
TUNA: Taming Unified Visual Representations for Native Unified Multimodal Models
把 VAE 编码器与预训练表征编码器级联成统一连续视觉空间，让理解与生成共享同一表征，视觉研究者可直接复用该表征设计来消除理解/生成双编码器的格式错配，并借鉴其「表征编码器越强则全任务越好」的结论选型骨干。
超越文本提示：通过文本-图像协同实现精确概念擦除
Beyond Text Prompts: Precise Concept Erasure through Text-Image Collaboration
TICoE 用连续凸概念流形加分层视觉表征来定位并擦除目标概念，对做可控生成、个性化定制与生成内容安全的人提供了一个可复用的『文本-图像协同』擦除范式，其面向保真度的擦除后可用性评测协议也可直接用于评估编辑类方法是否误伤无关内容。