arXiv · 机器人与计算机视觉· Saeed Razavi, Xingjian Leng, Liang Zheng·· 2026-10-15精选AI 评分83
基于表示的条件化生成方法
Representation Conditioning for Generation
AI 导读
针对现有表示对齐方法在后期层难以有效获取语义的问题,提出一种名为 RECON 的简单解决方案。该方法在训练阶段将预训练视觉编码器 token 输入到后期层;推理阶段复用 MLP 头作为代理并投影输出 token。实验表明,RECON 无需增加任何参数,收敛速度比 SiT 快 63 倍,比 REPA 快 25 倍。代码已开源。
推荐理由
提出无需增加参数的表示条件化方法,显著加速扩散 Transformer 训练收敛。
来源:arXiv · 机器人与计算机视觉 · arxiv.org