UniSpace: Unified Visual Representation and Scalable Multimodal Modeling

• 类型：arxiv
• 标识：2608.08676
• 链接：https://arxiv.org/abs/2608.08676
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Patch Reparameterization is introduced, which preserves the original semantic pathway while adding a reconstruction-aware patch embedding that provides fine-grained visual information to the same frozen ViT blocks, and preserves multimodal understanding while enabling high-fidelity image reconstruction and a favorable reconstruction--generation trade-off.
• OpenAlex ID：W7202192819
• OpenAlex DOI：10.48550/arxiv.2608.08676
• DOI：10.48550/arxiv.2608.08676
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.08676
• OpenAlex更新：2026-08-31
• 待LLM分类：否
• 标题中文：UniSpace：统一视觉表征与可扩展多模态建模
• TLDR中文：提出 Patch Reparameterization，在保留原始语义通路的同时，添加一个面向重构的 patch embedding，为同一组冻结的 ViT 块提供细粒度视觉信息，在保持多模态理解能力的同时实现高保真图像重构，并取得有利的重构—生成权衡。
• 来源文件：
• /inbox/tom/_candidates/2026-08-25-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]