GAFU 用生成侧表征提升统一多模态模型细粒度视觉理解

GAFU 方法利用统一多模态模型的原生生成侧表征，增强细粒度视觉理解。方法先通过空间绑定与关系结构对齐，将生成编码器输出的 G-tokens 压缩并与理解编码器对齐；推理时再将投影后的 G-tokens 作为 cross-attention 的 K/V，按任务读取视觉细节。