原型正则化改进CFG潜空间几何

Haoming Liu等作者提出原型正则化（PR），一种轻量正则化方法：用余弦原型分类器作用于空间池化后的潜变量，让潜空间中的类别几何更适配无分类器引导（CFG）。 在受控训练预算下（VAE 训练 20 个 epoch、DiT 训练 80 个 epoch），在 LDM 基线中加入 PR，使 ImageNet 上的引导 gFID 从 3.31 降至 2.28，低于采用 DINOv3 对齐的 VA-VAE 的 2.44，且额外开销可忽略。作者称 PR 是难以求解的噪声后验目标的一种轻量替代。

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。