Hugging Face Daily Papers·2026-09-30 08:00· 2 天前AI 评分45

Multimodal Flow：在嵌入空间统一语言与视觉的流建模

Multimodal Flow: Unified Flow Modeling of Language and Vision in Embedding Spaces

AI 导读

Multimodal Flow 提出一种全连续的多模态生成模型，将文本块与图像组织为有序连续 hyperchunks，通过共享 chunk-causal flow backbone 和 Flow Matching 学习统一向量场。