视觉表征增强

以对比信号引导基于扩散的重建以获得均衡的视觉表征

Guiding Diffusion-based Reconstruction with Contrastive Signals for Balanced Visual Representation

把对比信号注入以 CLIP 视觉 token 为条件的扩散重建过程，并用重建图像而非原图产生对比监督，从而在统一目标下同时提升判别性与细节感知能力；这一「重建+对比」联合优化思路可直接迁移到任何需要增强视觉编码器表征的 VLM 流程中。