PixelUMM：像素空间统一图像视频模型
视频加载中
视频加载中PixelUMM 去掉视觉编码器与 VAE，直接用 16×16 图像块和四帧视频管片建模，在 Qwen3-8B 主干内统一理解与生成。
Category: research
Author: @CongWei1230
Date: 2026-10-01T00:00:00
Duration: 28.966s
Reference: https://arxiv.org/abs/2609.38597
相关视频
0:30NVIDIA PixelUMM：去掉 VAE 和 ViT，纯像素空间统一理解与生成
@robotsdigest · 380次播放 · 2026-10-04
英伟达PixelUMM
6:43多角色音画视频工作流
@nakazakifam · 56次播放 · 2026-10-31
视频生成多模态
1:56Freefield：117 个开源生成应用
@aiaicreate · 82次播放 · 2026-10-28
ComfyUIHiggsfield
2:02RoboRender：把仿真轨迹渲成照片级视频
@RavenHuang4 · 716次播放 · 2026-10-08
仿真到现实视频生成
0:17Mistral Large 4：1T 参数原生多模态模型
@MistralAI · 498次播放 · 2026-10-06
MistralLMM
0:30美团开源 13.6B 长视频生成模型
@denziideng · 397次播放 · 2026-10-06
VideoGenerationText-to-Video
作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。