RoAR-VAE通过稳健预测提升潜在表示对扩散模型的适用性
有效的视觉分词器需要保留图像细节，同时生成便于扩散模型学习的潜在表示。RoAR-VAE采用稳健预测方法，确保即使潜在表示受到扰动，生成所需的信息仍可恢复。该方法结合预训练语义特征预测与原始图像重建。在相同训练预算下，其生成基准平均得分比最强的对照分词器高2.19分；小字重建准确率则比FLUX.1-VAE高16.93个百分点。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。