ReSAE以动态残差解释扩散轨迹

Calvin Yeung等提出残差化时序稀疏自编码器ReSAE，以初始激活和相邻时间步线性预测之外的残差表示扩散模型轨迹，使稀疏自编码器潜变量聚焦于非线性变化。基于论文摘要，该方法已在Stable Diffusion 1.5和一个Diffusion Transformer上覆盖完整去噪轨迹，并能定位变化进入特征的时间。 作者称，在线性动力学所诱导的度量下，ReSAE训练等价于对原始轨迹训练；目前证据仅来自论文摘要，未说明独立复现情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。