UniReason 1.0：面向世界知识对齐的图像生成与编辑统一推理框架
计算机视觉与模式识别
2026-02-23 v4 人工智能
摘要
统一多模态模型在需要深层推理的复杂合成任务中常常表现不佳，通常将文本到图像生成和图像编辑视为孤立的能力，而非相互关联的推理步骤。为此，我们提出 UniReason，一个通过两种互补推理范式来协调这两种任务的统一框架。我们将世界知识增强的文本推理纳入生成，以推断隐式知识；并利用编辑能力进行细粒度编辑式视觉校正，以自我反思方式进一步纠正视觉错误。该方法在共享架构中统一生成与编辑，模拟人类认知中由计划随后校正的过程。我们通过系统构建了大规模以推理为中心的数据集（约30万样本），涵盖五大知识领域（如文化常识、物理等），并构建智能体生成的视觉校正语料库。广泛实验表明，UniReason 在诸如 WISE、KrisBench 和 UniREditBench 等推理密集型基准上实现先进性能，同时保持出色的通用合成能力。
引用
@article{arxiv.2602.02437,
title = {UniReason 1.0: A Unified Reasoning Framework for World Knowledge Aligned Image Generation and Editing},
author = {Dianyi Wang and Chaofan Ma and Feng Han and Size Wu and Wei Song and Yibin Wang and Zhixiong Zhang and Tianhang Wang and Siyuan Wang and Zhongyu Wei and Jiaqi Wang},
journal= {arXiv preprint arXiv:2602.02437},
year = {2026}
}