美团CVPR 2026中稿精选：视觉生成遇上慢思考，解码多模态推理新范式

该文章精选了美团在CVPR 2026上中稿的10篇论文，涵盖了多模态交互与视听生成、视频化身、图像定制化、海报生成、视频压缩、图像或视频推理、空间推理等多个前沿领域。背景是当前生成式AI在多模态交互、视频理解与生成、图像定制等方面面临逻辑混乱、音画不同步、空间控制偏差、评估标准不足等挑战。研究目的是提出统一的框架、闭环机制或新范式，以解决上述问题，推动AI从被动执行向主动感知与决策转变，提升多模态任务的处理精度、一致性和自然度。结论表明，所提出的U-Mind、ORCA、PositionIC、PosterOmni、PosterReward、UniComp、OneThinker、3DThinker、TwiG、UFVideo等10个方法在各自任务上均达到了当前顶尖水平(SOTA)，显著优于现有方法，为构建更智能、更高效、更自然的多模态AI系统提供了新思路和基础。