Le filThèmes : RechercheModèles
Des chercheurs présentent PixelUMM, un modèle multimodal sans encodeur pour les images et les vidéos
1 sourcemis à jour il y a 6 jpertinence 2,8 sur5
L’essentiel
PixelUMM travaille directement dans l’espace des pixels, avec des projections linéaires à une couche vers un socle multimodal partagé. Selon les auteurs, ses performances sont compétitives en compréhension et en génération.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceCong Wei, Xuanchi Ren, Bryan Chu et al.huggingface.co
PixelUMM: Encoder-Free Unified Image and Video Understanding and Generation (site externe)
PixelUMM: an encoder-free unified multimodal model for image and video understanding and generation, directly in pixel space.
Sur les mêmes thèmes
Modèles
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Modèles
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Modèles
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Modèles
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5