UniX：统一自回归与扩散用于胸部 X 光图像的理解与生成
计算机视觉与模式识别
2026-01-19 v1
摘要
尽管近期取得了进展，医学基础模型在统一视觉理解与生成方面仍面临困难，因为这两项任务具有内在冲突的目标：语义抽象与像素级重建。现有方法通常基于参数共享的自回归架构，往往导致其中一项或两项任务的性能受损。为了解决这一问题，我们提出了 UniX，一种用于胸部 X 光图像理解与生成的下一代统一医学基础模型。UniX 将这两项任务解耦为用于理解的自回归分支和用于高保真生成的扩散分支。至关重要的是，引入了跨模态自注意力机制，以利用理解特征动态指导生成过程。结合严格的数据清洗流水线和多阶段训练策略，该架构实现了任务间的协同合作，同时利用扩散模型的优势以实现卓越的生成。在两个代表性基准上，UniX 仅使用 LLM-CXR 四分之一的参数，便在理解性能 (Micro-F1) 上取得了 46.1\% 的提升，在生成质量 (FD-RadDino) 上取得了 24.2\% 的增益。通过实现与任务特定模型相当的性能，我们的工作为协同医学图像理解与生成建立了可扩展的范式。代码和模型可在 https://github.com/ZrH42/UniX 获取。
引用
@article{arxiv.2601.11522,
title = {UniX: Unifying Autoregression and Diffusion for Chest X-Ray Understanding and Generation},
author = {Ruiheng Zhang and Jingfeng Yao and Huangxuan Zhao and Hao Yan and Xiao He and Lei Chen and Zhou Wei and Yong Luo and Zengmao Wang and Lefei Zhang and Dacheng Tao and Bo Du},
journal= {arXiv preprint arXiv:2601.11522},
year = {2026}
}
备注
Codes and models are available at https://github.com/ZrH42/UniX