[논문리뷰] YANAMI: A Large-Scale Multimodal Dataset and Benchmark for Multiturn Stateful InteractionCurrent Unified Multimodal Models (UMMs)는 이미지 이해, 생성 및 편집 기능을 통합하지만 기존 데이터셋 및 벤치마크는 주로 single-turn tasks에 초점을 맞추고 있어, 복잡한 multi-turn multimodal interaction에 대한 supervision과 evaluation이 제한적이다.#Review#Multimodal Dataset#Stateful Interaction#Dialogue System#Unified Multimodal Models#Visual Reasoning#Image Editing#Benchmark#VLM-as-a-Judge2026년 11월 3일댓글 수 로딩 중
[논문리뷰] VidUEU-Agent: A Data-Curation Agent for Multimodal Understanding, Editing, and Unified Tasks본 논문은 고품질 instruction 데이터의 부족이 multimodal 모델 발전의 핵심 병목 현상이라는 문제에서 출발한다. 기존 연구들은 주로 정적인 이미지에 의존하여 실제 세계의 동적 상호작용을 포착하는 데 한계가 있으며, 수동 주석 생성의 높은 비용으로 인해 데이터 확장이 어렵다 .#Review#Multimodal Understanding#Image Editing#Unified Multimodal Models#Data Curation#Agent Systems#Instruction Tuning2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Is Forgetting Unified? Exploring Concept Unlearning in Unified Multimodal Models본 논문은 통합형 멀티모달 모델(UMM)에서 기존의 단일 경로(Single-Pathway) 삭제 방식이 양방향 삭제를 보장하지 못한다는 문제를 해결합니다. 생성 모델 위주의 삭제 기법은 타겟 개념 생성을 억제할 수 있으나 시각적 이해 경로에서의 식별을 막는 데 한계가 있으며, 반대의 경우도 마찬가지입니다 .#Review#Unified Multimodal Models#Concept Unlearning#Cross-Pathway#Machine Unlearning#Diagnostic Benchmark2026년 11월 3일댓글 수 로딩 중
[논문리뷰] Latent Reasoning in Continuous Space for Unified Multimodal Models본 논문은 기존 UMM들이 언어 기반 Chain-of-Thought(CoT) 추론을 효과적으로 활용하지 못하며, 이로 인해 LLM에서 관찰되는 Test-time Scaling 현상이 나타나지 않는 문제를 해결하고자 합니다.#Review#Unified Multimodal Models#Latent Reasoning#Continuous Space#Reinforcement Learning#Test-time Scaling#Text-to-Image Generation2026년 11월 1일댓글 수 로딩 중
[논문리뷰] IntReal: A Real-World Dataset and Benchmark for Multimodal Interleaved Generation본 논문은 멀티모달 인터리브 생성 분야가 모델 통합의 부수적 결과물로 치부되어, 구체적인 작업 정의와 데이터셋, 그리고 세밀한 평가 프로토콜이 부족한 문제를 해결하고자 합니다 .#Review#Multimodal Interleaved Generation#Unified Multimodal Models#Dataset Construction#Benchmark#Fine-grained Evaluation#Reinforcement Learning2026년 10월 29일댓글 수 로딩 중
[논문리뷰] Cross-modal Steering Vectors Exist Across Both Image and Text Generation본 논문은 현대의 UMMs 내부에서 텍스트와 이미지라는 서로 다른 모달리티가 어떻게 상호작용하는지, 그리고 특정 개념이 모달리티를 초월하여 공유되는지 탐구합니다.#Review#Unified Multimodal Models#Cross-modal Steering#Steering Vectors#Zero-shot Transfer#Multimodal Generation#Causal Intervention2026년 10월 27일댓글 수 로딩 중
[논문리뷰] What Generation Knows: Unlocking Fine-Grained Understanding in Unified Multimodal Models본 논문은 UMM에서 생성 경로가 보유한 풍부한 시각적 정보가 상세한 시각적 이해(Fine-grained visual understanding)에 제대로 활용되지 못하는 문제를 해결합니다.#Review#Unified Multimodal Models#Fine-grained Visual Understanding#Generation-assisted Understanding#Representation Compression#Task-Conditioned Injection#Pairwise Preference Learning2026년 10월 22일댓글 수 로딩 중
[논문리뷰] MT Forcing: Towards Stable and Consistent Multi-Turn Image Editing with Autoregressive DiffusionMulti-Turn Image Editing은 일련의 지침에 따라 이미지를 점진적으로 수정함으로써 사용자에게 보다 효과적인 인터랙티브 시각 콘텐츠 생성을 가능하게 합니다. 그러나 기존 방법들은 몇 번의 편집 턴(turn)만 거쳐도 눈에 띄는 'Drift' 현상을 자주 보이며, 이는 두 가지 측면에서 나타납니다.#Review#Multi-Turn Image Editing#Autoregressive Diffusion#Unified Multimodal Models#Distribution Matching Distillation#Teacher-Forcing Guidance#Exposure Bias#Content Consistency#Visual Quality2026년 10월 19일댓글 수 로딩 중
[논문리뷰] Can Visual Generation Expand What Unified Multimodal Models Know?본 연구는 UMM이 image generation을 통해 습득한 시각적 지식이 실제 언어 모델의 추론(textual answer)에 얼마나 효과적으로 전이되는지를 규명하고자 합니다.#Review#Unified Multimodal Models#Knowledge Transfer Probing#Text-to-Image#Visual-Language Alignment#Multimodal Co-training#Visual Chain-of-Thought2026년 10월 18일댓글 수 로딩 중
[논문리뷰] Learning Native Reflection in Unified Models with Interleaved Reinforcement LearningUnified multimodal models는 이미지 생성과 이해 능력을 모두 갖추고 있어, 이론적으로는 자체 생성물의 결함을 진단하고 수정하는 native reflection을 수행할 수 있습니다. 그러나 기존 접근 방식들은 이러한 잠재력을 충분히 활용하지 못했습니다.#Review#Unified Multimodal Models#Reinforcement Learning#Self-Correction#Image Generation#Native Reflection#Interleaved RL#UMM-Reflection2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Uncovering Understanding-Generation Synergy in Native Unified Multimodal Models: From Representation, Task to System본 논문은 통합 멀티모달 모델(UMM) 내에서 이해와 생성이라는 두 기능이 공존할 때 발생하는 상호작용의 실체를 규명하고자 한다. 기존 모델들은 두 기능을 통합하여 제공하지만, 이러한 기능적 통합이 반드시 내재적 학습 시너지로 이어지는지는 불분명하며 때로는 컴퓨팅 자원이나 표현 공간을 두고 경쟁하거나 충돌하기도 한다.#Review#Unified Multimodal Models#Native Multimodal#Understanding-Generation Synergy#Task-decoupled MoT#Parameter Sharing#Spatial Intelligence#Representation Learning2026년 9월 1일댓글 수 로딩 중
[논문리뷰] Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation본 논문은 텍스트-이미지 생성(T2I) 모델의 강화학습(RL) 과정에서 효율적이고 신뢰성 높은 보상 모델을 설계하는 것이 어렵다는 점을 해결하고자 합니다 .#Review#SpectraReward#Self-SpectraReward#Text-to-Image Generation#Reinforcement Learning#MLLM#Prompt-Likelihood Reward#Unified Multimodal Models2026년 7월 14일댓글 수 로딩 중
[논문리뷰] Do Text Edits Generalize to Visual Generation? Benchmarking Cross-Modal Knowledge Editing in UMMs본 논문은 UMMs에서 수행된 텍스트 기반 지식 편집(Knowledge Editing)이 이미지 생성 과정으로 적절히 전이되는지 검증하고자 합니다 . 기존의 텍스트 도메인 지식 편집 기법들은 텍스트 출력에서는 높은 성공률을 보이지만, 동일한 수정이 시각적 생성 결과로까지 일관되게 이어지는지는 불명확합니다.#Review#Unified Multimodal Models#Knowledge Editing#Cross-Modal Transfer#Visual Generation#UniKE#Reasoning-Augmented2026년 6월 3일댓글 수 로딩 중
[논문리뷰] Representation Forcing for Bottleneck-Free Unified Multimodal Models본 논문은 기존 UMM이 frozen VAE에 의존하여 발생하는 structural bottleneck 문제를 해결하기 위해 Representation Forcing (RF)을 제안한다 .#Review#Unified Multimodal Models#Representation Forcing#Pixel-space Diffusion#Vector Quantization#End-to-End Learning#Bottleneck-Free#Mixture-of-Transformers2026년 5월 31일댓글 수 로딩 중
[논문리뷰] Uni-Edit: Intelligent Editing Is A General Task For Unified Model Tuning본 연구는 UMM 학습 시 이해와 생성 작업 간에 발생하는 아키텍처적 충돌과 이로 인한 성능 트레이드오프 문제를 해결하고자 한다. 기존의 다중 작업 학습(Multi-task learning)은 복잡한 파이프라인과 데이터 균형 조정 기법을 필요로 하며, 종종 한 작업의 성능 향상이 다른 작업의 저하를 초래하는 한계가 있다.#Review#Unified Multimodal Models#Intelligent Image Editing#Instruction Tuning#Data Synthesis#Multi-task Learning#Reasoning-intensive2026년 5월 20일댓글 수 로딩 중
[논문리뷰] Semantic Generative Tuning for Unified Multimodal Models본 논문은 현대 UMM들이 이해와 생성이라는 두 핵심 과업을 분리된 최적화 경로로 학습함으로써 발생하는 표현적 불일치(Representational misalignment) 문제를 해결하고자 합니다.#Review#Unified Multimodal Models#Generative Tuning#Image Segmentation#Multimodal Alignment#Semantic Proxy#Representation Learning2026년 5월 19일댓글 수 로딩 중
[논문리뷰] Steering Visual Generation in Unified Multimodal Models with Understanding Supervision본 논문은 최신 UMM이 이해와 생성 기능을 한 모델 내에 통합했음에도 불구하고, 실제로는 두 구성 요소가 상호작용 없이 분리된(Decoupled) 구조로 설계되어 성능 극대화에 한계가 있다는 문제를 지적합니다.#Review#Unified Multimodal Models#Understanding-Oriented Post-Training#Generation Synergy#Flow Matching#Semantic Supervision#MetaQuery2026년 5월 10일댓글 수 로딩 중
[논문리뷰] InternVL-U: Democratizing Unified Multimodal Models for Understanding, Reasoning, Generation and Editing통합 멀티모달 모델(UMM)이 강한 의미론적 이해와 강력한 생성 능력 사이에서 겪는 본질적인 상충 관계를 해결하고자 합니다. 이 논문은 InternVL-U 라는 경량의 4B 매개변수 UMM을 제안하여, 이해, 추론, 생성, 편집 능력을 하나의 통합 프레임워크 내에서 민주화하는 것을 목표로 합니다.#Review#Unified Multimodal Models#Multimodal Large Language Model#Image Generation#Image Editing#Chain-of-Thought#Data Synthesis#Low-parameter Models2026년 3월 10일댓글 수 로딩 중
[논문리뷰] UniG2U-Bench: Do Unified Models Advance Multimodal Understanding?이 논문은 통합 멀티모달 모델에서 생성(generation) 능력이 이해(understanding) 능력을 향상시키는지, 그리고 언제, 어떤 방식으로 향상시키는지 에 대한 불확실성을 해결하고자 합니다.#Review#Unified Multimodal Models#Multimodal Understanding#Generation-to-Understanding#Benchmark#Vision-Language Models#Generate-then-Answer#Model Evaluation2026년 3월 3일댓글 수 로딩 중
[논문리뷰] Visual Generation Unlocks Human-Like Reasoning through Multimodal World Models본 논문은 기존 AI 시스템이 언어적/추상적 영역에서 강세를 보이지만, 풍부한 표현과 사전 지식, 특히 명시적인 시각적 세계 모델링의 부족으로 인해 물리적/공간적 지능 분야에서는 인간에 비해 뒤처지는 문제를 해결하고자 합니다.#Review#Multimodal AI#World Models#Visual Generation#Chain-of-Thought (CoT)#Multimodal Reasoning#Unified Multimodal Models#Spatial-Physical Reasoning2026년 1월 27일댓글 수 로딩 중
[논문리뷰] UniCorn: Towards Self-Improving Unified Multimodal Models through Self-Generated Supervision본 연구는 통합 멀티모달 모델(UMMs)이 입력 이해는 뛰어나지만, 그 이해를 고품질 생성으로 변환하는 데 어려움을 겪는 현상인 'Conduction Aphasia' 문제를 해결하는 것을 목표로 합니다.#Review#Unified Multimodal Models#Self-Supervised Learning#Text-to-Image Generation#Multi-Agent Framework#Cognitive Pattern Reconstruction#Cycle-Consistency#Conduction Aphasia2026년 1월 6일댓글 수 로딩 중
[논문리뷰] TUNA: Taming Unified Visual Representations for Native Unified Multimodal Models논문은 멀티모달 이해와 생성 태스크를 단일 프레임워크 내에서 원활하게 수행하는 TUNA라는 네이티브 통합 멀티모달 모델(UMM) 을 개발하는 것을 목표로 합니다. 기존 UMM의 분리된 또는 편향된 시각 표현 방식 으로 인한 한계를 극복하고, 이해와 생성 모두에 효과적인 통합된 연속 시각 표현 공간 을 구축하고자 합니다.#Review#Unified Multimodal Models#Visual Representation#VAE#Flow Matching#Multimodal Understanding#Multimodal Generation#Image Editing#State-of-the-Art2025년 12월 1일댓글 수 로딩 중
[논문리뷰] Architecture Decoupling Is Not All You Need For Unified Multimodal Model본 논문은 통합 멀티모달 모델(UMM)에서 시각 생성 및 이해 태스크 간의 내재된 충돌을 완화하면서도 모델 아키텍처 디커플링에 과도하게 의존하지 않고 성능을 향상시키는 것을 목표로 합니다. 과도한 디커플링이 통합 모델의 상호작용적 추론 능력과 지식 전이 능력을 저해하는 문제를 해결하고자 합니다.#Review#Unified Multimodal Models#Architecture Decoupling#Cross-Modal Attention#Attention Interaction Alignment (AIA) Loss#Task Conflicts#Image Generation#Image Understanding2025년 11월 30일댓글 수 로딩 중
[논문리뷰] Does Understanding Inform Generation in Unified Multimodal Models? From Analysis to Path Forward본 논문은 통합 멀티모달 모델(UMMs)에서 '이해' 능력이 '생성' 과정에 실제로 정보를 제공하고 안내하는지 여부를 조사합니다.#Review#Unified Multimodal Models#Understanding-Generation Gap#Reasoning#Knowledge Transfer#Chain-of-Thought#Self-Training#Synthetic Data#Evaluation Framework2025년 11월 25일댓글 수 로딩 중
[논문리뷰] ROVER: Benchmarking Reciprocal Cross-Modal Reasoning for Omnimodal Generation본 논문은 기존 통합 멀티모달 모델(UMM) 평가 방식이 텍스트 및 이미지 이해/생성 능력을 개별적으로 측정하여 모달리티 간 상호 추론 능력 을 간과하는 문제를 제기합니다.#Review#Multimodal AI#Benchmarking#Cross-Modal Reasoning#Omnimodal Generation#Visual Generation#Verbal Generation#Unified Multimodal Models2025년 11월 9일댓글 수 로딩 중
[논문리뷰] LightBagel: A Light-weighted, Double Fusion Framework for Unified Multimodal Understanding and Generation본 논문은 기존의 선도적인 통합 멀티모달 모델(UMM)들이 상당한 계산 자원과 학습 비용을 요구한다는 문제에 주목합니다.#Review#Unified Multimodal Models#Double Fusion#Lightweight AI#Text-to-Image Generation#Image Editing#Model Architecture#Efficient Training#Cross-modal Interaction2025년 10월 28일댓글 수 로딩 중
[논문리뷰] SRUM: Fine-Grained Self-Rewarding for Unified Multimodal Models본 논문은 Unified Multimodal Models ( UMMs )이 이미지 이해 능력에 비해 이미지 생성 능력에서 현저한 격차를 보이는 문제에 주목합니다. 모델이 사용자 지침에 따라 이미지를 정확하게 이해하더라도, 동일한 텍스트 프롬프트로부터 충실한 이미지를 생성하지 못하는 역설을 해결하고자 합니다.#Review#Unified Multimodal Models#Self-Rewarding#Text-to-Image Generation#Image Understanding#Post-Training#Global-Local Reward#Compositional Reasoning2025년 10월 15일댓글 수 로딩 중
[논문리뷰] Reconstruction Alignment Improves Unified Multimodal Models논문은 통합 멀티모달 모델(UMM)이 이미지-텍스트 쌍으로 훈련될 때 캡션의 희소성으로 인해 미세한 시각적 디테일을 놓치고, 이해와 생성 간의 정렬이 불완전하다는 문제를 해결하고자 합니다.#Review#Unified Multimodal Models#Image Generation#Image Editing#Post-training#Self-supervised Learning#Reconstruction Alignment#Visual Embeddings2025년 9월 10일댓글 수 로딩 중