新研究绕开 VAE 解码器,DiT 潜空间可线性探测直接预测像素

kwangmoo_yi · x · 2026-11-19

一条讨论 Chen 等论文《Decoding Without a Decoder: Direct Pixel Prediction from Diffusion Transformers》的推文:研究发现可以对扩散 Transformer(DiT)的潜空间做线性探测,直接预测像素,从而跳过解码器。作者据此发问:训练时使用 V(Q)AE 是否只是为了加速,而实际上可以被抛弃?这一结果对「扩散模型必须依赖 VAE 压缩潜空间」的常规假设提出了挑战。

所属事件:斯坦福 DWD 论文:扩散模型免解码器直出像素(4 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →