Robust-U1

让多模态模型自己修复坏图,理解不翻车

Robust-U1 是 ICML 2026 论文的官方实现,聚焦多模态大语言模型(MLLMs)在视觉内容受损时的自恢复能力。它解决的是现实场景中图像被噪声、遮挡、模糊等破坏后,模型理解性能急剧下降的问题。核心能力是让模型主动检测视觉输入的异常,并通过自我修复机制重建或补全受损信息,从而维持稳健的理解水平。项目提供了完整的训练和评估代码,支持多种主流 MLLM 架构,并附带基准测试数据集。通过引入自恢复模块,模型无需外部修复工具即可在推理阶段动态处理损坏图像,显著提升鲁棒性。该工作为多模态理解在恶劣视觉条件下的应用提供了新思路。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 474
维护状态 低维护
是否开源
定价模式 free

项目数据

分类开源模型
开发团队PolyX-Research
所属国家
官网地址
定价模式free
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态
是否开源
开源协议
主要语言Python
技术栈/模型generation,image-restoration,large-language-models,low-level-vision,reasoning,reasoning-language-models,unified-model
GitHub 星标★ 474
30天Star增速
HF 下载量
上线时间2026-05-14 00:00:00
最近更新2026-09-20 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 提出新颖的自恢复机制,模型主动修复受损视觉内容,而非依赖外部预处理
  • 提供完整训练与评估代码,易于复现论文结果
  • 针对真实噪声、遮挡等场景设计,实用性强

不足之处

  • 早期项目,文档和社区支持待观察
  • 自恢复机制可能增加推理计算开销,影响实时性

适用场景

  • 自动驾驶中摄像头图像受恶劣天气干扰时的场景理解
  • 监控视频中画面模糊或遮挡情况下的目标识别
  • 移动端拍照质量差时,仍能进行准确的图像问答

替代项目

RobustVLM、Self-healing MLLM、Corruption-robust VLM

项目介绍

Robust-U1 是评测安全领域的开源项目,由 PolyX-Research 开发,是 2026 年新上线的项目。

它收录于评测安全分类,该分类目前共有 458 个项目,GitHub 星标数为 474。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-20。无在线服务,需自行部署,完全免费。

它主要面向的使用场景是:自动驾驶中摄像头图像受恶劣天气干扰时的场景理解。同类可对比的替代方案包括 RobustVLM、Self-healing MLLM、Corruption-robust VLM。

同类项目推荐

akto 开源

给 AI 应用做安全体检,防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾,自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击,提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12
Tracely-ai 开源

把生产事故变成回归测试,合并前自动拦截 AI 故障

Trace-native CI/CD for AI agents — production failures become regression tests that···

★ 1362 2026-08-24