Search for a command to run...
Self-supervised representations for Visual Generation（SVG）是由清华大学联合快手可灵团队于 2025 年 10 月联合提出的，相关研究成果发表于论文「Latent Diffusion Model without Variational Autoencoder」。
SVG 是一种无需变分自编码器（VAE）的全新潜在扩散模型，它释放了用于视觉生成的自监督表示。该模型通过利用冻结的 DINO 特征构建具有明确语义可区分性的特征空间，同时一个轻量级的残差分支捕获细粒度细节以实现高质量重建。扩散模型直接在这个语义结构的潜在空间上进行训练，以促进更高效的学习。因此，SVG 能够加速扩散训练，支持少步采样，并提升生成质量。
Search for a command to run...
Self-supervised representations for Visual Generation（SVG）是由清华大学联合快手可灵团队于 2025 年 10 月联合提出的，相关研究成果发表于论文「Latent Diffusion Model without Variational Autoencoder」。
SVG 是一种无需变分自编码器（VAE）的全新潜在扩散模型，它释放了用于视觉生成的自监督表示。该模型通过利用冻结的 DINO 特征构建具有明确语义可区分性的特征空间，同时一个轻量级的残差分支捕获细粒度细节以实现高质量重建。扩散模型直接在这个语义结构的潜在空间上进行训练，以促进更高效的学习。因此，SVG 能够加速扩散训练，支持少步采样，并提升生成质量。
SSP 展现了自博弈作为可扩展且数据高效的智能体 LLM 训练范式的潜力。
RAE 凭借明显优势有望成为扩散 Transformer 训练的新默认选择。
RewardMap 提升了多模态大语言模型在结构化视觉任务中的能力。
FractalForensics 在常见图像处理操作和 Deepfake 操作上有较好的鲁棒性和脆弱性。
NSG 统计量量化了空间概率梯度与时间密度变化的比例。
联合对齐全局和局部特征，有效引导对抗样本朝向目标特征分布并增强可迁移性。
ScaleNet 是一种通过权重共享扩展预训练视觉 Transformer（ViT）的新方法。
SAC Flow 在连续控制和机器人操作基准测试中达到最先进性能。
BRFL 意在解决模型聚合过程中出现的拜占庭攻击问题。
SSP 展现了自博弈作为可扩展且数据高效的智能体 LLM 训练范式的潜力。
RAE 凭借明显优势有望成为扩散 Transformer 训练的新默认选择。
RewardMap 提升了多模态大语言模型在结构化视觉任务中的能力。
FractalForensics 在常见图像处理操作和 Deepfake 操作上有较好的鲁棒性和脆弱性。
NSG 统计量量化了空间概率梯度与时间密度变化的比例。
联合对齐全局和局部特征，有效引导对抗样本朝向目标特征分布并增强可迁移性。
ScaleNet 是一种通过权重共享扩展预训练视觉 Transformer（ViT）的新方法。
SAC Flow 在连续控制和机器人操作基准测试中达到最先进性能。
BRFL 意在解决模型聚合过程中出现的拜占庭攻击问题。
