ICLR 2026｜滑铁卢大学联合可灵提出UniVideo：统一视频理解、生成、编辑多模态

背景：统一多模态模型在图像领域已取得良好效果，但在视频领域仍面临挑战。研究目的：滑铁卢大学与快手可灵团队提出UniVideo，旨在构建一个统一框架，同时支持视频理解、生成与编辑的多模态生成模型。结论：UniVideo采用双流架构，结合多模态大语言模型和多模态扩散Transformer，在多项基准测试中优于任务特定方法，并展现出对未见任务和任务组合的泛化能力，表明统一建模具有更强的扩展性。