VAE再被补刀！清华快手SVG扩散模型亮相，训练提效6200%，生成提速3500%
VAE再被补刀！清华快手SVG扩散模型亮相，训练提效6200%，生成提速3500%前脚谢赛宁刚宣告VAE在图像生成领域退役，后脚清华与快手可灵团队也带着无VAE潜在扩散模型SVG来了。
来自主题: AI技术研报
5780 点击 2025-10-29 16:28
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
前脚谢赛宁刚宣告VAE在图像生成领域退役，后脚清华与快手可灵团队也带着无VAE潜在扩散模型SVG来了。
长期以来，扩散模型的训练通常依赖由变分自编码器（VAE）构建的低维潜空间表示。然而，VAE 的潜空间表征能力有限，难以有效支撑感知理解等核心视觉任务，同时「VAE + Diffusion」的范式在训练
随着大型语言模型（LLM）朝着通用能力迈进，并以通用人工智能（AGI）为最终目标，测试其生成问题的能力也正变得越来越重要。尤其是在将 LLM 应用于高级编程任务时，因为未来 LLM 编程能力的发展和经济整合将需要大量的验证工作。
谢赛宁团队最新研究给出了答案——VAE的时代结束，RAE将接力前行。其中表征自编码器RAE（Representation Autoencoders）是一种用于扩散Transformer（DiT）训练的新型自动编码器，其核心设计是用预训练的表征编码器（如DINO、SigLIP、MAE 等）与训练后的轻量级解码器配对，从而替代传统扩散模型中依赖的VAE（变分自动编码器）。
近日，Meta 研究者 Lucas Beyer 在 𝕏 上发起的一个投票吸引了众多围观。说是围观，是因为他给出的四个选项都是当今或过去的 AI 大厂，显然，并不是每个人都有在这些大厂的面试经历，但这并不妨碍全球 AI 开发者的好奇心。
「兄弟们，DiT 是错的！」 最近一篇帖子在 X 上引发了很大的讨论，有博主表示 DiT 存在架构上的缺陷，并附上一张论文截图。
Science重磅揭露科研圈两大乱象：一是「论文工厂」已形成庞大产业链，部分编辑、作者、中介相互勾结；二是ChatGPT悄然渗入科研写作，22%计算机论文含AI痕迹。系统性造假与技术滥用，正重塑学术界根基。
在人工智能领域，对比语言 - 图像预训练（CLIP） 是一种流行的基础模型，由 OpenAI 提出
大神也陷入学术不端质疑，偷偷在论文里藏提示词刷好评？最新进展是，谢赛宁本人下场道歉了：这并不道德。对于任何有问题的投稿，共同作者都有责任，没有任何借口。
曾几何时，用文字生成图像已经变得像用笔作画一样稀松平常。