重建好不等于生成好：GAR 论文给出分词器评估新指标
量子位 · wechat · 2026-10-09
多伦多大学团队的论文《A Latent Distribution Perspective on Evaluating and Improving Latent Generative Models》解释了潜空间生成模型的经典困惑：图像分词器重建指标更好，不代表最终生成质量更好——因为重建时解码器接收的是编码器产出的潜变量，而生成时接收的是生成模型产出的潜变量，两者分布存在差距。
核心贡献
- 提出「生成感知重建」(GAR)：对真实图片潜变量加不同程度噪声再由生成模型去噪，让解码器所见潜变量从「重建分布」连续过渡到「生成分布」，为评估提供中间路径。
- 由此提出 GAR-FID 指标：测试中传统 rFID 与生成 gFID 相关性弱甚至负相关，而 GAR-FID 在指定噪声水平下排序相关性显著增强（SiT-B/XL 设置下 Spearman 相关系数达 0.99）。
- 「解码器适配」：固定编码器与生成模型，仅用 GAR 中间潜变量微调解码器。ImageNet-1k 256×256 实验中，iMF-B/2 的 gFID 从 16.58 降至 12.21，iMF-XL/2 从 9.78 降至 7.47；CFG-aware 适配使带引导的 iMF-XL/2 从 1.73 降至 1.50，且不增加推理开销。
论文：arxiv.org/abs/2609.24088，代码已开源。
「多模态」频道最新
- Magnific + Seedance 工作流：让 AI 生成的手指精准按下琴键 — techhalla · 2026-10-23
- 蚂蚁 Ming-3.0-tts 仅 0.5B 参数跻身 TTS 前三，MIT 开源 — ArtificialAnlys · 2026-10-23
- Suno 官方盘点五个鲜为人知的隐藏功能 — suno · 2026-10-23
- Meshy 联动 Hermes：$1 买一个月 Pro 含 API 额度 — Teknium · 2026-10-23
- Customuse 推出几何感知 Smart Mesh AI，一键给角色换装 — SimplyAnnisa · 2026-10-23
- AI 生成电影海报《The Chase》：狼、飞机、肌肉车同框的疯狂追逐 — Aggravating-Sir-115 · 2026-10-23