[논문리뷰] Youtu-Parsing-Omni: One Encoder, One Schema, All Modalities본 논문은 다양한 모달리티(문서, 이미지, 오디오, 비디오)를 개별적으로 처리하는 기존 방식의 파편화 문제를 해결하고자 합니다. 현재의 파서들은 모달리티별로 별도의 인코더를 사용하므로 모달리티 간 상호작용이 부족하고, 각기 다른 출력 형식을 가져 Agent의 다중 모드 통합 추론을 방해합니다 .#Review#Omni-modal Parsing#Unified Encoder#OmniSchema#On-policy Distillation#Audio-Visual Fusion#Structured Grounding#Space-Time Coordinate System2026년 10월 29일댓글 수 로딩 중
[논문리뷰] CrossBFM: Distilling a Shared Latent Behavior Space Across Humanoid Embodiments본 연구는 Behavior Foundation Models (BFMs)의 두 가지 주요 한계점인 높은 훈련 비용과 Embodiment-specific latent space 문제를 해결하고자 한다. 기존 BFM 훈련은 단일 로봇에 대해 수백 GPU-hours를 요구하며, 새로운 로봇에는 처음부터 훈련을 반복해야 한다.#Review#Behavior Foundation Models#Cross-embodiment Learning#Latent Behavior Space#Humanoid Control#Reinforcement Learning#Knowledge Distillation#Unified Encoder#Motion Retargeting2026년 9월 29일댓글 수 로딩 중
[논문리뷰] UniFusion: Vision-Language Model as Unified Encoder in Image Generation기존 이미지 생성 모델들이 이미지와 텍스트에 대해 분리된 인코더를 사용하는 한계를 극복하고, 크로스-모달 추론 및 지식 전이 능력을 향상시키는 것을 목표로 합니다.#Review#Vision-Language Model#Unified Encoder#Image Generation#Diffusion Models#Multimodal Learning#Text-to-Image#Image Editing#Zero-shot Learning2025년 10월 15일댓글 수 로딩 중