RECON：表示条件化加速扩散Transformer训练
热点事件持续更新
RECON：表示条件化加速扩散Transformer训练
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Computer Vision 报道了一项由 Saeed Razavi、Xingjian Leng、Liang Zheng 提出的表示条件化方法 RECON，用于加速扩散 Transformer 训练。该方法在训练时把预训练视觉编码器的 token 送入扩散 Transformer 的后层，推理时复用原本被丢弃的 MLP 投影头作为视觉编码器代理，将输出 token 投影到后层，从而改善后层语义。报道称，该方法不增加参数，收敛速度比 SiT 快 63 倍、比 REPA 快 25 倍，并提供了代码链接。目前进展停留在论文发布阶段，尚无后续跟进报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
RECON：用表示条件化加速扩散 Transformer 训练报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Computer VisionRECON：用表示条件化加速扩散 Transformer 训练
研究提出表示条件化（RECON），在训练时把预训练视觉编码器的 token 送入扩散 Transformer 的后层，推理时复用原本被丢弃的 MLP 投影头作为视觉编码器代理，将输出 token 投影到后层，从而改善后层语义。该方法不增加参数，收敛速度比 SiT 快 63 倍、比 REPA 快 25 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。