Tag · 4 篇
自编码器
分布 生成模型与扩散23D 视觉与重建1自监督与表征学习1
01 02 03 04
通过语义自编码器构建理解与生成的统一潜空间
Unified Latent Space for Understanding and Generation via Semantic Auto-encoder
为 DiT 类扩散模型提供一个同时具备语义判别力与细粒度几何保真度的统一潜空间自编码器，可直接替换现有 VAE/语义编码器前端，兼顾重建质量与收敛效率。
迈向可扩散的高维潜空间：频率视角
Toward Diffusible High-Dimensional Latent Spaces: A Frequency Perspective
揭示了高维潜空间中编码器对高频成分欠表达、解码器却强依赖高频潜变量恢复细节的错配，并给出一个无需重训自编码器、可插拔的频率预热课程，可直接套用到任意潜空间扩散/流匹配训练流程中以提升生成质量。
忠实等值线化：摆脱等值面的近无损三维体素表示
Faithful Contouring: Near-Lossless 3D Voxel Representation Free from Iso-surface
提供一种不依赖等值面提取的稀疏体素化表示，可直接把任意网格编码为 2048+ 分辨率的近无损体素，并配套双模式自编码器；对做三维生成、重建的视觉研究者，可作为替代 iso-surface / 隐式场的形状表示与重建骨干。
克隆确定性世界：潜空间几何在长时程世界模型中的关键作用
Cloning Deterministic Worlds: The Critical Role of Latent Geometry in Long-Horizon World Models
论文揭示潜空间几何结构是长时程世界模型保真度的瓶颈，并提出时序对比学习作为几何正则化手段，可无缝集成到标准自编码器中。这对视觉世界模型、视频预测等任务中表征学习的设计具有直接启发，即通过对比约束塑造反映物理状态流形的潜空间。