ECCV 2026 论文:x0-prediction 破解 RAE 高维潜空间扩散难题
serrjoa · x · 2026-09-24
这篇被 ECCV 2026 接收的论文研究了表示自编码器(RAE)在扩散模型中的可扩散性问题。
核心发现
- 现成视觉编码器并非为忠实重建优化,会丢弃细粒度视觉细节;为重建微调后细节恢复,但表示的有效维度反而降低,几何性质改变。
- 在这个高维空间里,流匹配中标准的 velocity prediction 需要拟合信号流形之外的正交噪声方向,优化效率低。
- 改用 clean data parameterization(x0-prediction),让学习聚焦于低维信号流形本身。
结论:在多个强重建编码器上的实验表明,x0-prediction 一致提升文生图性能,无需潜空间压缩。作者包括 Chao Feng、Yijun Li、Richard Zhang 等 Adobe/学术界研究者。
所属事件:ECCV 2026 论文:x0 预测破解高维潜空间扩散难题(2 条相关)→
「多模态」频道最新
- 微软 MAI 官宣:图像生成爬坡速度超对手 61%,10 个月涨 283 Elo — SchoeneggerPhil · 2026-09-24
- 表情+物体检测+数手指三项同步，实时视觉延迟不到 1 秒 — LinusEkenstam · 2026-09-24
- Qwen Image 2.1 难做参考图生成,用户实测仍偏图像编辑 — extra2AB · 2026-09-24
- 快手 Kling 4.0 曝光:120 秒长视频、1080p、4K 生图 — koltregaskes · 2026-09-24
- Limestone 声称 Claude Opus 5.5 一次生成就做出了产品发布视频 — alex_verem · 2026-09-24
- 用 Ling-3.0-flash-VL 读取 8 份 B 超报告,解开孕期「偏小几天」疑惑 — alifcoder · 2026-09-24