Buchumschlag

Skywork UniPic: Unified Autoregressive Modeling for Visual Understanding and Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Peiyu, Peng, Yi, Gan, Yimeng, Hu, Liang, Xie, Tianyidan, Wang, Xiaokun, Wei, Yichen, Tang, Chuanxin, Zhu, Bo, Li, Changshi, Wei, Hongyang, Li, Eric, Song, Xuchen, Liu, Yang, Zhou, Yahui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Skywork UniPic 2.0: Building Kontext Model with Online RL for Unified Multimodal Model
von: Wei, Hongyang, et al.
Veröffentlicht: (2025)

Skywork UniPic 3.0: Unified Multi-Image Composition via Sequence Modeling
von: Wei, Hongyang, et al.
Veröffentlicht: (2026)

Skywork-VL Reward: An Effective Reward Model for Multimodal Understanding and Reasoning
von: Wang, Xiaokun, et al.
Veröffentlicht: (2025)

Skywork R1V2: Multimodal Hybrid Reinforcement Learning for Reasoning
von: Wang, Peiyu, et al.
Veröffentlicht: (2025)

Skywork R1V: Pioneering Multimodal Reasoning with Chain-of-Thought
von: Peng, Yi, et al.
Veröffentlicht: (2025)

Skywork-R1V4: Toward Agentic Multimodal Intelligence through Interleaved Thinking with Images and DeepResearch
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

Skywork-SWE: Unveiling Data Scaling Laws for Software Engineering in LLMs
von: Zeng, Liang, et al.
Veröffentlicht: (2025)

Skywork-R1V3 Technical Report
von: Shen, Wei, et al.
Veröffentlicht: (2025)

LongSkywork: A Training Recipe for Efficiently Extending Context Length in Large Language Models
von: Zhao, Liang, et al.
Veröffentlicht: (2024)

Skywork Open Reasoner 1 Technical Report
von: He, Jujie, et al.
Veröffentlicht: (2025)

UniX: Unifying Autoregression and Diffusion for Chest X-Ray Understanding and Generation
von: Zhang, Ruiheng, et al.
Veröffentlicht: (2026)

Skywork-MoE: A Deep Dive into Training Techniques for Mixture-of-Experts Language Models
von: Wei, Tianwen, et al.
Veröffentlicht: (2024)

CSVQA: A Chinese Multimodal Benchmark for Evaluating STEM Reasoning Capabilities of VLMs
von: Jian, Ai, et al.
Veröffentlicht: (2025)

UniShield: Unified Face Attack Detection via KG-Informed Multimodal Reasoning
von: Li, Hongrui, et al.
Veröffentlicht: (2026)

UniVL: Unified Vision-Language Embedding for Spatially Grounded Contextual Image Generation
von: Wang, Jiayun, et al.
Veröffentlicht: (2026)

UniModel: A Visual-Only Framework for Unified Multimodal Understanding and Generation
von: Zhang, Chi, et al.
Veröffentlicht: (2025)

Skywork-Reward: Bag of Tricks for Reward Modeling in LLMs
von: Liu, Chris Yuhao, et al.
Veröffentlicht: (2024)

UniVBench: Towards Unified Evaluation for Video Foundation Models
von: Wei, Jianhui, et al.
Veröffentlicht: (2026)

Autoregressive Semantic Visual Reconstruction Helps VLMs Understand Better
von: Wang, Dianyi, et al.
Veröffentlicht: (2025)

UniEval: Unified Holistic Evaluation for Unified Multimodal Understanding and Generation
von: Li, Yi, et al.
Veröffentlicht: (2025)

Unified Medical Image Tokenizer for Autoregressive Synthesis and Understanding
von: Ma, Chenglong, et al.
Veröffentlicht: (2025)

UniVideo: Unified Understanding, Generation, and Editing for Videos
von: Wei, Cong, et al.
Veröffentlicht: (2025)

Unified Autoregressive Visual Generation and Understanding with Continuous Tokens
von: Fan, Lijie, et al.
Veröffentlicht: (2025)

UniT: Unified Geometry Learning with Group Autoregressive Transformer
von: Wang, Haotian, et al.
Veröffentlicht: (2026)

UniVoice: Unifying Autoregressive ASR and Flow-Matching based TTS with Large Language Models
von: Guan, Wenhao, et al.
Veröffentlicht: (2025)

UniARM: Towards a Unified Autoregressive Reward Model for Multi-Objective Test-Time Alignment
von: Xie, Hongyan, et al.
Veröffentlicht: (2026)

UniFlow: A Unified Pixel Flow Tokenizer for Visual Understanding and Generation
von: Yue, Zhengrong, et al.
Veröffentlicht: (2025)

Skywork-Reward-V2: Scaling Preference Data Curation via Human-AI Synergy
von: Liu, Chris Yuhao, et al.
Veröffentlicht: (2025)

OpenUni: A Simple Baseline for Unified Multimodal Understanding and Generation
von: Wu, Size, et al.
Veröffentlicht: (2025)

UniECG: Understanding and Generating ECG in One Unified Model
von: Jin, Jiarui, et al.
Veröffentlicht: (2025)

UniLiP: Adapting CLIP for Unified Multimodal Understanding, Generation and Editing
von: Tang, Hao, et al.
Veröffentlicht: (2025)

UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation
von: Lin, Bin, et al.
Veröffentlicht: (2025)

Perceive, Understand and Restore: Real-World Image Super-Resolution with Autoregressive Multimodal Generative Models
von: Wei, Hongyang, et al.
Veröffentlicht: (2025)

Skywork-Math: Data Scaling Laws for Mathematical Reasoning in Large Language Models -- The Story Goes On
von: Zeng, Liang, et al.
Veröffentlicht: (2024)

UniTok: A Unified Tokenizer for Visual Generation and Understanding
von: Ma, Chuofan, et al.
Veröffentlicht: (2025)

UniMo: Unified Motion Generation and Understanding with Chain of Thought
von: Wang, Guocun, et al.
Veröffentlicht: (2026)

UniCompress: Token Compression for Unified Vision-Language Understanding and Generation
von: Wang, Ziyao, et al.
Veröffentlicht: (2026)

UniFormer: Unifying Convolution and Self-attention for Visual Recognition
von: Li, Kunchang, et al.
Veröffentlicht: (2022)

UniQueR: Unified Query-based Feedforward 3D Reconstruction
von: Peng, Chensheng, et al.
Veröffentlicht: (2026)

UniSVG: A Unified Dataset for Vector Graphic Understanding and Generation with Multimodal Large Language Models
von: Li, Jinke, et al.
Veröffentlicht: (2025)