让 RGB 成为视觉的语言：统一视觉任务的 RINO 框架

论文提出 RINO（RGB In and RGB Out），将掩码、深度图、姿态等视觉信息统一表示为 RGB 图像，并把视觉任务转化为通用的 RGB-to-RGB 图像编辑。在无需任务专用微调的通用图像编辑骨干上，RINO 展示了分割、深度估计和姿态到图像生成的零样本能力。