Sphere Encoder 2 论文：自编码器 1-4 步生成 ImageNet 图像

kastnerkyle · x · 2026-10-03

Tom Goldstein 团队发布 Sphere Encoder 2（arXiv:2610.02208），把自编码器改造成可独立运行的快速图像生成器。论文指出原版 Sphere Encoder 的两大缺陷：一是随机采样的隐变量点在球面上集中于赤道附近，而训练时的旋转覆盖不到该区域，留下限制一步生成的盲区；二是用逐像素重建损失训练生成，会让解码器对多张合理图像取平均，产出模糊、缺高频细节的结果。

Sphere Encoder 2 通过完整覆盖球形隐空间、将重建与生成分离，并结合语义对齐与分数匹配解决上述问题，在保持自编码器速度与简洁性的同时大幅提升生成质量，仅 1-4 步即可在 ImageNet 上取得较强的生成效果。模型已发布，代码即将开源。