Tag · 3 篇
潜空间压缩
分布 强化学习与具身智能1底层视觉与图像复原1生成模型与扩散1
01 02 03
用 8 个 token 做规划：面向潜空间世界模型的紧凑离散分词器
Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model
把观测压缩到 8 个离散 token 的潜空间表示，可直接替换视觉世界模型中的重型分词器，使基于模型的规划在实时控制下变得可行；做视觉世界模型或 VLA 的读者可以借鉴其压缩比与规划保真度之间的权衡设计。
DiT-IC：面向高效图像压缩的对齐扩散 Transformer
DiT-IC: Aligned Diffusion Transformer for Efficient Image Compression
把多步文本到图像 DiT 通过自蒸馏对齐与方差引导重建流改造成单步、32 倍下采样潜空间中的重建器，为视觉研究者提供了一个可复用的思路：用预训练扩散先验做极低分辨率潜空间的高效解码，可迁移到超分、修复等图像复原任务。
DA-VAE：通过细节对齐为扩散模型提供可插拔的潜变量压缩
DA-VAE: Plug-in Latent Compression for Diffusion via Detail Alignment
提出一种可插拔的潜空间压缩方案，通过显式潜变量布局和细节对齐正则，在几乎不重新训练扩散模型的情况下将 token 数减少 4 倍，为高分辨率扩散生成提供高效路径。