Spectrum Matching 提升潜扩散可扩散性

2026年10月16日，arXiv Computer Vision 刊出 Mang Ning 等作者的论文，提出 Spectrum Matching 方法。论文提出 Spectrum Matching 假设：可扩散性更优的潜变量应（i）遵循平坦化的幂律功率谱密度（Encoding Spectrum Matching，ESM），并（ii）通过解码器保持频率间语义对应（Decoding Spectrum Matching，DSM）。在 CelebA 和 ImageNet 上的实验显示，该方法优于 VA-VAE、EQ-VAE 等先前方法，并将频谱视角扩展至 REPA，提出基于 DoG 的改进方法。作者表示代码已公开，并发布 multiVAE 仓库，该仓库支持 vanilla SD-VAE、EQ-VAE、VA-VAE 以及其 DSM-AE。目前进展为论文发布与代码开源，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。