Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。

今天的主题是：

REPA-E: Unlocking VAE for End-to-End Tuning with Latent Diffusion Transformers

Summary

此论文介绍了一种名为 REPA-E 的新型训练方法，旨在解决潜在扩散模型（LDM）与其变分自编码器（VAE）标记器之间 端到端训练 的难题。传统方法由于扩散损失会导致潜在空间崩溃，因此通常将两者分开训练。然而，REPA-E 利用 表示对齐（REPA）损失，实现了 VAE 和扩散模型的联合调整，从而显著 加速了训练过程，并 提高了最终的图像生成性能。研究结果表明，REPA-E 不仅在不同模型规模和架构下表现出 强大的泛化能力，还能够 自适应地改善 VAE 的潜在空间结构，使其作为替代品时，能进一步提升下游生成任务的表现。

原文链接：https://arxiv.org/abs/2504.10483