作者：吴怡婷发布时间：2026-06-15 01:23:46 点击数：64899

今日相关部门发布新政策通报养娃“回报率”超高的30件小事 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

河东区东新街道黑龙江省鹤岗市河东区大直沽街道山西省朔州市山阴县江西省赣州市石城县静海区西翟庄镇山东省聊城市茌平区福建省莆田市城厢区青海省玉树藏族自治州治多县北辰区喀什地区麦盖提县平山县小觉镇湖北省襄阳市襄州区四川省广元市吉林省四平市铁西区山西省晋中市太谷区贵州省安顺市普定县山东省淄博市临淄区山东省烟台市牟平区黑龙江省鸡西市鸡冠区山西省晋中市榆社县湖北省宜昌市夷陵区云南省红河哈尼族彝族自治州绿春县福建省漳州市龙海市崇左市宁明县山东省烟台市龙口市云南省西双版纳傣族自治州勐腊县武清区上马台镇黑龙江省哈尔滨市巴彦县四川省凉山彝族自治州甘洛县云南省大理白族自治州云龙县朝阳区小红门地区吉林省长春市双阳区黑龙江省鸡西市鸡冠区四川省成都市双流区四川省凉山彝族自治州西昌市贵州省铜仁市玉屏侗族自治县山西省晋城市高平市延庆区沈家营镇云南省怒江傈僳族自治州福贡县江苏省徐州市新沂市福建省漳州市龙海市福建省厦门市湖里区四川省乐山市福建省莆田市仙游县四川省广安市岳池县密云区古北口镇广东省云浮市新兴县隆安县崇左市宁明县密云区不老屯镇山西省忻州市定襄县焦作市中站区桂林市秀峰区延庆区康庄镇湖北省宜昌市夷陵区广东省汕头市南澳县山东省淄博市临淄区黑龙江省佳木斯市富锦市江西省萍乡市上栗县甘肃省陇南市武都区四川省泸州市江阳区黑龙江省七台河市桃山区平顶山市湛河区崇左市宁明县西城区天桥街道福建省三明市梅列区广东省江门市马鞍山市博望区山西省晋城市高平市湖北省宜昌市宜都市昌平区小汤山镇西城区天桥街道四川省广元市青秀区乌鲁木齐市沙依巴克区黑龙江省鹤岗市乌鲁木齐市沙依巴克区山西省晋城市泽州县贵州省安顺市普定县江苏省连云港市赣榆区四川省成都市金牛区怀柔区宝山镇平山县宅北乡山东省烟台市牟平区甘肃省兰州市朝阳区小关街道江西省吉安市吉安县蓟州区东赵各庄镇西青区精武镇甘肃省天水市秦州区辽宁省辽阳市白塔区巴音郭楞蒙古自治州和硕县平山县岗南镇北海市海城区宝坻区牛家牌镇黑龙江省鹤岗市广东省广州市越秀区贵州省铜仁市印江土家族苗族自治县丰台区宛平城地区

本周监管部门公布行业动态刚刚，谢赛宁团队放出第二代表征自编码器，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

陕西省汉中市留坝县山西省晋中市太谷区阿克苏地区新和县合肥市瑶海区广东省江门市乌鲁木齐市沙依巴克区海淀区青龙桥街道井陉县测鱼镇福建省福州市罗源县钦州市丰台区宛平城地区四川省广安市岳池县青海省海南藏族自治州贵德县湖北省恩施土家族苗族自治州恩施市吉林省白山市浑江区朝阳区管庄地区陕西省汉中市留坝县淮南市大通区江西省宜春市宜丰县江苏省徐州市丰县山西省临汾市安泽县怀柔区雁栖地区桥西区苑东街道固原市西吉县四川省凉山彝族自治州西昌市洛阳市汝阳县云南省丽江市宁蒗彝族自治县南开区体育中心街道朝阳区酒仙桥街道昌平区阳坊镇重庆市市辖区北碚区河东区大直沽街道广东省广州市越秀区武清区汊沽港镇福建省漳州市龙海市无极县大陈镇合肥市瑶海区固原市西吉县井陉县测鱼镇陕西省汉中市西乡县江西省九江市武宁县昌平区小汤山镇青海省海西蒙古族藏族自治州德令哈市甘肃省庆阳市镇原县黑龙江省绥化市明水县洛阳市汝阳县延庆区康庄镇南阳市内乡县赞皇县院头镇云南省大理白族自治州云龙县广东省汕头市龙湖区昌平区小汤山镇喀什地区麦盖提县辽宁省沈阳市沈河区海南省三沙市西沙区伊犁哈萨克自治州昭苏县伊犁哈萨克自治州昭苏县江西省萍乡市上栗县云南省大理白族自治州云龙县山东省威海市喀什地区叶城县桥西区留营街道贵州省安顺市普定县巴音郭楞蒙古自治州和硕县淮南市大通区江苏省南通市启东市山东省东营市垦利区怀柔区龙山街道武清区汊沽港镇辽宁省沈阳市青海省海南藏族自治州贵德县西城区月坛街道江苏省镇江市句容市四川省甘孜藏族自治州泸定县黑龙江省鸡西市鸡冠区陕西省汉中市西乡县西城区天桥街道平山县岗南镇青海省海西蒙古族藏族自治州德令哈市山西省晋中市太谷区丰台区长辛店镇内蒙古鄂尔多斯市鄂托克旗蓟州区东二营镇鹿泉区白鹿泉乡福建省厦门市海沧区江苏省徐州市丰县黑龙江省鸡西市鸡冠区海南省海口市美兰区蚌埠市蚌山区平山县岗南镇内蒙古兴安盟乌兰浩特市江西省鹰潭市余江区四川省甘孜藏族自治州九龙县延庆区沈家营镇云南省红河哈尼族彝族自治州绿春县江苏省镇江市句容市辽宁省大连市旅顺口区防城港市东兴市钦州市青海省海西蒙古族藏族自治州德令哈市

全球服务区域:甘肃省天水市秦州区西青区精武镇桂林市秀峰区密云区河南寨镇青海省海北藏族自治州门源回族自治县辽宁省锦州市义县贵州省六盘水市水城县云南省怒江傈僳族自治州福贡县陕西省商洛市山阳县福建省福州市罗源县静海区大邱庄镇马鞍山市博望区山东省聊城市冠县喀什地区麦盖提县喀什地区麦盖提县濮阳市南乐县百色市田林县贵州省铜仁市印江土家族苗族自治县黑龙江省哈尔滨市巴彦县四川省乐山市平山县小觉镇辽宁省朝阳市北票市辽宁省沈阳市贵州省黔东南苗族侗族自治州天柱县南阳市内乡县元氏县四川省乐山市内蒙古鄂尔多斯市鄂托克旗上海市市辖区嘉定区喀什地区麦盖提县开封市通许县塔城地区和布克赛尔蒙古自治县鹿泉区白鹿泉乡海南省儋州市辽宁省大连市旅顺口区蚌埠市龙子湖区平顶山市湛河区广东省汕头市龙湖区江西省景德镇市昌江区芜湖市南陵县云南省玉溪市新平彝族傣族自治县黑龙江省佳木斯市汤原县合肥市庐阳区甘肃省兰州市上海市市辖区嘉定区四川省乐山市海南省海口市美兰区贵州省安顺市普定县四川省甘孜藏族自治州泸定县蓟州区东二营镇福建省厦门市湖里区重庆市市辖区北碚区广东省汕头市龙湖区四川省广元市江西省吉安市永新县朝阳区酒仙桥街道桥西区苑东街道四川省泸州市江阳区钦州市黑龙江省鹤岗市四川省甘孜藏族自治州山西省晋中市灵石县濮阳市南乐县怀柔区宝山镇福建省南平市朝阳区小关街道北辰区博尔塔拉蒙古自治州温泉县阿克苏地区新和县银川市贺兰县四川省广元市湖北省恩施土家族苗族自治州恩施市和田地区山西省吕梁市岚县山东省东营市垦利区怀柔区宝山镇行唐县龙州镇江苏省徐州市怀柔区雁栖地区静海区西翟庄镇昌平区回龙观街道山东省德州市齐河县元氏县殷村镇固原市西吉县山西省临汾市安泽县怀柔区龙山街道四川省宜宾市珙县内蒙古鄂尔多斯市康巴什区江西省鹰潭市余江区四川省广元市黑龙江省佳木斯市汤原县合肥市瑶海区四川省凉山彝族自治州甘洛县西藏山南市贡嘎县蓟州区官庄镇昌平区回龙观街道密云区不老屯镇江西省宜春市奉新县海南省儋州市陕西省汉中市南郑区

本月行业协会披露重大成果刚刚，谢赛宁团队放出第二代表征自编码器，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：井陉县测鱼镇江苏省南京市浦口区宝坻区牛家牌镇湖北省襄阳市襄州区朝阳区酒仙桥街道辽宁省本溪市溪湖区西城区天桥街道大兴区开封市通许县甘肃省庆阳市镇原县顺义区空港街道四川省甘孜藏族自治州丹巴县山西省长治市襄垣县甘肃省白银市景泰县桥西区留营街道密云区古北口镇吉林省四平市铁西区山西省晋城市泽州县广东省汕头市南澳县内蒙古锡林郭勒盟正镶白旗百色市靖西市山西省朔州市山阴县河东区东新街道黑龙江省伊春市金林区四川省凉山彝族自治州昭觉县崇左市宁明县井陉县吴家窑乡江西省九江市武宁县辽宁省辽阳市白塔区海南省儋州市广东省深圳市山东省滨州市福建省莆田市城厢区合肥市瑶海区平山县宅北乡赞皇县院头镇江苏省南通市启东市喀什地区叶城县江苏省连云港市赣榆区江西省吉安市吉安县芜湖市南陵县桥西区留营街道内蒙古乌海市乌达区江西省宜春市奉新县云南省红河哈尼族彝族自治州泸西县辽宁省锦州市义县辽宁省铁岭市开原市长安区南村镇四川省宜宾市珙县丰台区宛平城地区鹿泉区白鹿泉乡山西省吕梁市岚县武清区上马台镇青海省海西蒙古族藏族自治州德令哈市门头沟区大峪街道陕西省西安市未央区桂林市兴安县桥西区苑东街道广东省汕头市龙湖区淮南市大通区亳州市利辛县崇左市四川省甘孜藏族自治州崇左市福建省漳州市龙海市云南省普洱市景东彝族自治县朝阳区小关街道福建省南平市建瓯市湖北省恩施土家族苗族自治州恩施市陕西省宝鸡市眉县密云区高岭镇开封市通许县辽宁省辽阳市白塔区平山县小觉镇山西省朔州市山阴县黑龙江省鸡西市鸡冠区博尔塔拉蒙古自治州温泉县焦作市沁阳市马鞍山市博望区淮南市大通区江西省宜春市宜丰县武清区上马台镇青海省玉树藏族自治州治多县内蒙古鄂尔多斯市鄂托克旗黑龙江省哈尔滨市巴彦县黑龙江省鹤岗市海南省儋州市四川省德阳市广汉市延庆区沈家营镇辽宁省沈阳市沈河区四川省德阳市广汉市朝阳区双井街道山东省泰安市东平县丰台区长辛店镇朝阳区管庄地区山东省聊城市茌平区山西省晋中市榆社县巴音郭楞蒙古自治州和硕县喀什地区叶城县黑龙江省绥化市明水县

售后服务上门服务电话，智能分配单据：刚刚，谢赛宁团队放出第二代表征自编码器

编辑｜Panda

AI 图像生成通常遵循「能力越强、代价越高」的铁律；与此同时，学界却在悄悄质疑另一个更根本的浪费：传统 VAE 对图像语义几乎一无所知，而 DINOv2、SigLIP 等视觉编码器早已从数亿张图片中习得了丰富的视觉常识。图像生成模型，真的需要从零开始「发明」对图像的理解吗？

2025 年 10 月，纽约大学谢赛宁团队提出了「表征自编码器（Representation Autoencoder，RAE）」框架，首次系统性地将预训练视觉编码器引入扩散模型的潜在空间。参阅华体汇(中国)的报道《VAE 时代终结？谢赛宁团队「RAE」登场，表征自编码器或成 DiT 训练新基石》。

这项成果在学界引发强烈反响，但同时也暴露出三个阻碍实用落地的核心问题：重建质量不如专用 VAE、无法配合传统引导机制、训练收敛极慢。

五个月后，同一团队携手 Adobe Research 与澳大利亚国立大学，带来了全面改进的RAEv2

论文标题：Improved Baselines with Representation Autoencoders论文地址：https://arxiv.org/abs/2605.18324v1项目页面：https://raev2.github.io

为什么 VAE 是瓶颈？

要理解这项工作的意义，先要理解 VAE 是什么，以及它为什么开始成为瓶颈。

想象一家大型图书馆。图书馆的索引系统（VAE 编码器）负责将每一本书压缩成一张卡片，存入一个巨大的卡片柜（潜在空间）。扩散模型在这个卡片柜里工作：从一堆杂乱的卡片出发，一步步「去噪」，最终还原出一张清晰的卡片，再由解码器将卡片还原成完整的书。

问题在于传统的索引卡片（VAE 潜在空间）记录的是书的物理特征，比如厚度、颜色、字体大小。但模型真正需要的，是书的内容和含义。扩散模型每次从噪声出发，都要自己重新学会「这是一只猫」、「这是一棵树」，效率极低。

预训练视觉编码器（DINOv2 等）则截然不同。它们的索引卡片记录的是语义：这本书讲的是什么主题、出现了哪些人物、场景的空间结构如何。如果扩散模型能在这样的潜在空间里工作，就相当于站在了巨人的肩膀上，不需要重复学习「视觉常识」。

RAE 正是这样的系统：以预训练编码器为图书馆的索引系统，训练一个解码器来还原图像。但第一代 RAE 的问题，是这套索引卡片只记录了「书的最后一章摘要」，丢失了大量中间层的细节信息。

三个洞察，一次系统性升级

RAEv2 的工作核心是三个独立但相互支撑的技术洞察。

洞察一：最后一层不是全部。

原始 RAE 直接使用视觉编码器最后一层的输出作为潜在表征。但预训练编码器的知识并非只集中在最后一层 —— 就像一个专家的完整知识体系，不只存在于他最后的结论里，也分布在他的推理过程中。

RAEv2 提出了一个极其简洁的解法：将编码器最后 K 层的特征直接相加，作为潜在表征。这个操作不引入任何新参数，不需要额外训练数据（比如文字或人脸），却让图像重建质量产生了质的飞跃。当 K 从 1（原始 RAE）增加到 23（全部层）时，重建误差（rFID）从 0.60 骤降至 0.18，峰值信噪比从 18.93 dB 提升至 27.03 dB。

洞察二：RAE 和 REPA 其实是互补的，不是竞争关系。

这是整篇论文最出人意料的发现。

学界此前普遍认为：既然 RAE 已经把预训练编码器的特征直接用作潜在空间，就没必要再用 REPA（表征对齐损失，将同一批编码器特征蒸馏到扩散模型的中间层）—— 那不是多此一举，让同一个信号走两条路吗？

研究团队横跨 27 种视觉编码器进行了大规模实验，结果令人惊讶：无论哪种编码器，REPA 和 RAE 同时使用时，效果都优于单独使用任一方。

更有趣的是，两者改善的是不同维度。RAE 提供的是「全局语义」，比如模型知道图里有只猫；REPA 提供的是「空间结构」，比如模型知道猫在图像左上角、眼睛在鼻子上方。前者对应语义信息（用线性探针准确率 LP 衡量），后者对应空间自相似性（用 LDS 衡量）。在 27 个编码器的相关性分析中，这一互补机制得到了严格统计验证，皮尔逊相关系数分别达到 -0.81（RAE 依赖 LP）和 -0.89（REPA 依赖 LDS）。

这一发现还解释了为什么更强的编码器 DINOv3-L，在第一代 RAE 里反而表现不如 DINOv2-B；因为原始 RAE 只利用了语义维度，而 DINOv3-L 的优势恰恰在于两个维度都强，RAE+REPA 才能充分发挥它的潜力。

洞察三：「引导」其实一直藏在模型里。

这是最优雅的一个技术贡献。

图像生成模型在推理时，通常需要一种叫做「引导」（Guidance）的机制来提升图像质量 —— 本质是让模型在「有条件」和「无条件」两个状态之间做差值，从而强化目标特征。原始 RAE 无法使用标准的分类器自由引导（CFG），只能训练一个额外的「弱版扩散模型」来充当引导基线（AutoGuidance），这不仅增加了训练成本，推理时也需要额外一次前向计算。

RAEv2 观察到一个关键性质：REPA 在 RAE 框架下，本质上是在做「x 预测」（预测干净的图像表征），而 REPA 头只能访问模型的浅层特征，天然是一个「更弱的版本」。将主模型输出也改写为 x 预测格式，就可以直接用 REPA 头作为引导基线。这样就无需额外训练任何模型，无需额外前向计算，引导完全「免费」。

RAEv2 的表现如何？

三个洞察组合在一起，形成了 RAEv2，带来了可量化的全面改进。

在图像生成质量（ImageNet-256，以 gFID 衡量，越低越好）上，RAEv2 在仅 80 个训练 epoch 后达到 1.06。

以 FDr?这一更严格的评估指标衡量，RAEv2 以 80 epoch 达到 2.17，超越了原始 RAE 的最佳成绩 3.26—— 后者需要十倍训练时长且依赖后处理。

研究团队为此引入了一个新的效率指标：EPFID@k，即「达到无引导 gFID ≤ k 所需的训练 epoch 数」。这个指标的意义在于：绝对 gFID 数值的微小差异在实际应用中几乎感知不到，但训练效率的差异直接决定了谁能更快迭代、更低成本实验。

RAE 的 EPFID@2 为 177 epoch，RAEv2 将其压缩到了 35 epoch—— 收敛速度超过 5 倍，若与早期方法比较则达 10 倍以上。

在计算成本上，RAEv2 保持与第一代 RAE 完全相同的 189 GFLOPs，而 FLUX.1 等顶级商业模型需要 448 GFLOPs。以不到一半的算力，达到超越所有同类系统的生成质量。这是 RAEv2 最直接的工程价值。

在重建质量上，尽管只在 ImageNet 上训练，RAEv2 的还原效果已可与 FLUX VAE、SDXL-VAE 等在大规模多样化数据集上训练的专有模型相媲美。

超越图像分类：更广的适用性

RAEv2 并未局限于 ImageNet 实验。论文还验证了其在两个方向上的泛化能力。

在文本生图方向，使用 SigLIP-2 作为编码器的 RAEv2，在文本生图基准上展现出与 ImageNet 实验一致的改进趋势，收敛速度显著快于基于 VAE 的对比方法。

在导航世界模型方向 —— 即 AI 通过视觉预测未来帧的任务场景 ——RAEv2 同样带来了一致的性能提升，证明这一框架并非专为图像生成设计的特殊技巧，而是具有跨任务通用性的基础方法。

一个更大的赌注

RAEv2 所指向的不只是「更快的图像生成」。

在传统的图像 AI 体系里，「理解图像」和「生成图像」是两条平行的轨道：前者用 DINOv2、CLIP 等判别式模型，后者用 Stable Diffusion、FLUX 等生成式模型，两者共享的只有训练数据，而非知识体系。

RAE 框架的核心赌注是把这两条轨道合并。如果生成模型直接在视觉理解模型的语义空间里工作，那理解和生成就共享同一套「视觉语言」，未来的统一多模态模型将具备直接在生成的图像潜在表征上进行推理的能力。

从一个单纯的「更快收敛」的工程改进出发，RAEv2 不经意间指向了一个更宏观的问题：下一代多模态 AI 是否应当从根本上统一「看」与「画」的底层表征？

这个问题，也许比 gFID 数字本身更值得关注。

昨日行业报告更新政策变化刚刚，谢赛宁团队放出第二代表征自编码器

编辑｜Panda

AI 图像生成通常遵循「能力越强、代价越高」的铁律；与此同时，学界却在悄悄质疑另一个更根本的浪费：传统 VAE 对图像语义几乎一无所知，而 DINOv2、SigLIP 等视觉编码器早已从数亿张图片中习得了丰富的视觉常识。图像生成模型，真的需要从零开始「发明」对图像的理解吗？

2025 年 10 月，纽约大学谢赛宁团队提出了「表征自编码器（Representation Autoencoder，RAE）」框架，首次系统性地将预训练视觉编码器引入扩散模型的潜在空间。参阅华体汇(中国)的报道《VAE 时代终结？谢赛宁团队「RAE」登场，表征自编码器或成 DiT 训练新基石》。

这项成果在学界引发强烈反响，但同时也暴露出三个阻碍实用落地的核心问题：重建质量不如专用 VAE、无法配合传统引导机制、训练收敛极慢。

五个月后，同一团队携手 Adobe Research 与澳大利亚国立大学，带来了全面改进的RAEv2

论文标题：Improved Baselines with Representation Autoencoders论文地址：https://arxiv.org/abs/2605.18324v1项目页面：https://raev2.github.io

为什么 VAE 是瓶颈？

要理解这项工作的意义，先要理解 VAE 是什么，以及它为什么开始成为瓶颈。

想象一家大型图书馆。图书馆的索引系统（VAE 编码器）负责将每一本书压缩成一张卡片，存入一个巨大的卡片柜（潜在空间）。扩散模型在这个卡片柜里工作：从一堆杂乱的卡片出发，一步步「去噪」，最终还原出一张清晰的卡片，再由解码器将卡片还原成完整的书。

问题在于传统的索引卡片（VAE 潜在空间）记录的是书的物理特征，比如厚度、颜色、字体大小。但模型真正需要的，是书的内容和含义。扩散模型每次从噪声出发，都要自己重新学会「这是一只猫」、「这是一棵树」，效率极低。

预训练视觉编码器（DINOv2 等）则截然不同。它们的索引卡片记录的是语义：这本书讲的是什么主题、出现了哪些人物、场景的空间结构如何。如果扩散模型能在这样的潜在空间里工作，就相当于站在了巨人的肩膀上，不需要重复学习「视觉常识」。

RAE 正是这样的系统：以预训练编码器为图书馆的索引系统，训练一个解码器来还原图像。但第一代 RAE 的问题，是这套索引卡片只记录了「书的最后一章摘要」，丢失了大量中间层的细节信息。

三个洞察，一次系统性升级

RAEv2 的工作核心是三个独立但相互支撑的技术洞察。

洞察一：最后一层不是全部。

原始 RAE 直接使用视觉编码器最后一层的输出作为潜在表征。但预训练编码器的知识并非只集中在最后一层 —— 就像一个专家的完整知识体系，不只存在于他最后的结论里，也分布在他的推理过程中。

RAEv2 提出了一个极其简洁的解法：将编码器最后 K 层的特征直接相加，作为潜在表征。这个操作不引入任何新参数，不需要额外训练数据（比如文字或人脸），却让图像重建质量产生了质的飞跃。当 K 从 1（原始 RAE）增加到 23（全部层）时，重建误差（rFID）从 0.60 骤降至 0.18，峰值信噪比从 18.93 dB 提升至 27.03 dB。

洞察二：RAE 和 REPA 其实是互补的，不是竞争关系。

这是整篇论文最出人意料的发现。

学界此前普遍认为：既然 RAE 已经把预训练编码器的特征直接用作潜在空间，就没必要再用 REPA（表征对齐损失，将同一批编码器特征蒸馏到扩散模型的中间层）—— 那不是多此一举，让同一个信号走两条路吗？

研究团队横跨 27 种视觉编码器进行了大规模实验，结果令人惊讶：无论哪种编码器，REPA 和 RAE 同时使用时，效果都优于单独使用任一方。

更有趣的是，两者改善的是不同维度。RAE 提供的是「全局语义」，比如模型知道图里有只猫；REPA 提供的是「空间结构」，比如模型知道猫在图像左上角、眼睛在鼻子上方。前者对应语义信息（用线性探针准确率 LP 衡量），后者对应空间自相似性（用 LDS 衡量）。在 27 个编码器的相关性分析中，这一互补机制得到了严格统计验证，皮尔逊相关系数分别达到 -0.81（RAE 依赖 LP）和 -0.89（REPA 依赖 LDS）。

这一发现还解释了为什么更强的编码器 DINOv3-L，在第一代 RAE 里反而表现不如 DINOv2-B；因为原始 RAE 只利用了语义维度，而 DINOv3-L 的优势恰恰在于两个维度都强，RAE+REPA 才能充分发挥它的潜力。

洞察三：「引导」其实一直藏在模型里。

这是最优雅的一个技术贡献。

图像生成模型在推理时，通常需要一种叫做「引导」（Guidance）的机制来提升图像质量 —— 本质是让模型在「有条件」和「无条件」两个状态之间做差值，从而强化目标特征。原始 RAE 无法使用标准的分类器自由引导（CFG），只能训练一个额外的「弱版扩散模型」来充当引导基线（AutoGuidance），这不仅增加了训练成本，推理时也需要额外一次前向计算。

RAEv2 观察到一个关键性质：REPA 在 RAE 框架下，本质上是在做「x 预测」（预测干净的图像表征），而 REPA 头只能访问模型的浅层特征，天然是一个「更弱的版本」。将主模型输出也改写为 x 预测格式，就可以直接用 REPA 头作为引导基线。这样就无需额外训练任何模型，无需额外前向计算，引导完全「免费」。

RAEv2 的表现如何？

三个洞察组合在一起，形成了 RAEv2，带来了可量化的全面改进。

在图像生成质量（ImageNet-256，以 gFID 衡量，越低越好）上，RAEv2 在仅 80 个训练 epoch 后达到 1.06。

以 FDr?这一更严格的评估指标衡量，RAEv2 以 80 epoch 达到 2.17，超越了原始 RAE 的最佳成绩 3.26—— 后者需要十倍训练时长且依赖后处理。

研究团队为此引入了一个新的效率指标：EPFID@k，即「达到无引导 gFID ≤ k 所需的训练 epoch 数」。这个指标的意义在于：绝对 gFID 数值的微小差异在实际应用中几乎感知不到，但训练效率的差异直接决定了谁能更快迭代、更低成本实验。

RAE 的 EPFID@2 为 177 epoch，RAEv2 将其压缩到了 35 epoch—— 收敛速度超过 5 倍，若与早期方法比较则达 10 倍以上。

在计算成本上，RAEv2 保持与第一代 RAE 完全相同的 189 GFLOPs，而 FLUX.1 等顶级商业模型需要 448 GFLOPs。以不到一半的算力，达到超越所有同类系统的生成质量。这是 RAEv2 最直接的工程价值。

在重建质量上，尽管只在 ImageNet 上训练，RAEv2 的还原效果已可与 FLUX VAE、SDXL-VAE 等在大规模多样化数据集上训练的专有模型相媲美。

超越图像分类：更广的适用性

RAEv2 并未局限于 ImageNet 实验。论文还验证了其在两个方向上的泛化能力。

在文本生图方向，使用 SigLIP-2 作为编码器的 RAEv2，在文本生图基准上展现出与 ImageNet 实验一致的改进趋势，收敛速度显著快于基于 VAE 的对比方法。

在导航世界模型方向 —— 即 AI 通过视觉预测未来帧的任务场景 ——RAEv2 同样带来了一致的性能提升，证明这一框架并非专为图像生成设计的特殊技巧，而是具有跨任务通用性的基础方法。

一个更大的赌注

RAEv2 所指向的不只是「更快的图像生成」。

在传统的图像 AI 体系里，「理解图像」和「生成图像」是两条平行的轨道：前者用 DINOv2、CLIP 等判别式模型，后者用 Stable Diffusion、FLUX 等生成式模型，两者共享的只有训练数据，而非知识体系。

RAE 框架的核心赌注是把这两条轨道合并。如果生成模型直接在视觉理解模型的语义空间里工作，那理解和生成就共享同一套「视觉语言」，未来的统一多模态模型将具备直接在生成的图像潜在表征上进行推理的能力。

从一个单纯的「更快收敛」的工程改进出发，RAEv2 不经意间指向了一个更宏观的问题：下一代多模态 AI 是否应当从根本上统一「看」与「画」的底层表征？

这个问题，也许比 gFID 数字本身更值得关注。


“泛黄的民国货币、温润的钧窑瓷瓶、薄薄一张马来西亚侨民证，每一件都镌刻着老一辈华侨闯荡南洋、奋力打拼的岁月记忆。这些珍藏多年的老物件，将其交到侨史馆是最稳妥，也是最有意义的归属。”何月静的女儿何家欣说：“外婆和舅公多年来一直小心翼翼地保管着这些物品，希望它们留在家乡茂名信宜，讲述华侨拼搏的故事。其中，那张小小的马来西亚侨民证，承载着一代侨胞在海外的奋斗历程。”
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-孕妇无码精品官方版-孕妇无码精品最新版V.2.61.91-2265安卓网

华体汇电竞-华体汇(中国)

养娃“回报率”超高的30件小事
首页>>中国驻泰国使馆提醒在泰国中国公民警惕“高薪招聘”陷阱
养娃“回报率”超高的30件小事

华体汇电竞-华体汇(中国):养娃“回报率”超高的30件小事

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

68.81MB
版本{版本}
下载APK高速下载
下载再刚刚，谢赛宁团队放出第二代表征自编码器安装你想要的应用 更方便 更快捷 发现更多
喜欢88%好评(47人)
评论48
刚刚，谢赛宁团队放出第二代表征自编码器截图0刚刚，谢赛宁团队放出第二代表征自编码器截图1刚刚，谢赛宁团队放出第二代表征自编码器截图2刚刚，谢赛宁团队放出第二代表征自编码器截图3刚刚，谢赛宁团队放出第二代表征自编码器截图4
详细信息
应用介绍
?第一步：访问《刚刚，谢赛宁团队放出第二代表征自编码器》官网?首先,打开您的浏览器,输入《刚刚，谢赛宁团队放出第二代表征自编码器》。您可以通过搜索引擎搜索或直接输入网址来访问.?
?第二步：点击注册按钮?一旦进入《刚刚，谢赛宁团队放出第二代表征自编码器》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《刚刚，谢赛宁团队放出第二代表征自编码器》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。?
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《刚刚，谢赛宁团队放出第二代表征自编码器》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《刚刚，谢赛宁团队放出第二代表征自编码器》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《刚刚，谢赛宁团队放出第二代表征自编码器》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《刚刚，谢赛宁团队放出第二代表征自编码器》网站的条款，恭喜您！您已经成功注册了《刚刚，谢赛宁团队放出第二代表征自编码器》网站账户。现在，您可以畅享《刚刚，谢赛宁团队放出第二代表征自编码器》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线
加载更多
版本更新
{版本}
刚刚，谢赛宁团队放出第二代表征自编码器

华体汇电竞-华体汇(中国): 刚刚，谢赛宁团队放出第二代表征自编码器类似软件

相关攻略
包含 饿了么 的应用集
友情链接
  • 中欧数字协会创始主席：中国构建高水平科技开放合作新格局为世界发展提供机遇和动力
    2026-06-15 01:23:46
  • 博主“龙哥讲电车”向比亚迪致歉
    2026-06-15 01:23:46
  • 奚梦瑶何猷君婚礼上摆蒜苔
    2026-06-15 01:23:46
安卓手机网上最贴心的Android软件应用平台!版权所有：刚刚，谢赛宁团队放出第二代表征自编码器有限华体汇电竞-华体汇(中国)备案号：京ICP备17065190号-1