연구진은 UMM(Unified Multimodal Models)의 이미지 이해, 생성, 편집 능력을 향상시키는 새로운 방법인 Uni-Edit을 제안했어요. Uni-Edit은 기존의 복잡한 멀티태스킹 방식 대신 단일 작업, 단일 단계, 단일 데이터셋으로 성능을 향상시킵니다.
기존 편집 데이터의 단순한 지시 문제를 해결하기 위해, 연구진은 자동화된 데이터 합성 파이프라인을 통해 복잡하고 효과적인 편집 지시 데이터를 생성했어요. 이 데이터는 다양한 질문과 중첩 로직을 포함합니다.
Uni-Edit을 활용한 실험 결과, BAGEL과 Janus-Pro 모델 모두에서 세 가지 능력(이해, 생성, 편집) 전반에 걸쳐 성능 향상을 확인했어요.