英伟达与滑铁卢大学开源PixelUMM统一多模态模型

2026年11月1日，机器之心报道，英伟达与滑铁卢大学提出PixelUMM，这是一个不使用ViT和VAE、直接在像素空间统一图像与视频理解和生成的无编码器模型。报道称，相关代码与模型已开源：代码托管于GitHub的nv-tlabs/PixelUMM仓库，模型发布于Hugging Face的nvidia/PixelUMM页面；报道同时提示，开源模型仍使用线性输出头。目前进展停留在开源发布阶段，报道未披露模型规模、训练数据、评测结果或后续计划。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。