arXiv Computer Vision· Yingheng Wang, Yaoqiang Li, Yaqin Wu, Junwen Bai, Jiatao Gu, Christopher De Sa, Volodymyr Kuleshov·· 2 小时前AI 评分22
Purify Before You Align：改进扩散模型的表征对齐
Purify Before You Align: Improving Representation Alignment for Diffusion Models
AI 导读
研究者提出局部外观净化（LAP），通过移除局部可预测内容并对残差进行对齐，提升扩散模型生成质量，且无需改动扩散训练或推理流程。在 ImageNet-256 上使用 SiT-B/2 时，LAP 将 MAE 对齐的 FID 从 53.1 降至 42.3，并在 MAE、AIMv2、CLIP、DINOv2、DINOv3 五种预训练表征上均有提升。
来源：arXiv Computer Vision · arxiv.org