← 返回 2026-09-29 简报

FuseReg:通过正则化层融合缓解表示自编码器中的重构-生成差距

FuseReg: Regularizing Layer Fusion Mitigates the Reconstruction-Generation Gap in Representation Autoencoders

语音播报
摘要
事件:HuggingFace发布FuseReg技术,通过训练期随机层子集采样替代固定融合。 要点:采用归一化采样保持潜变量均值不变,显式正则化跨层分歧; 影响:使单一解码器能无需重训即适配多种层组合输入,显著提升生成质量与鲁棒性。

FuseReg:缓解RAEs中的重建-生成差距

表示自编码器将来自多个编码器层的特征融合到一个共享的潜在空间中。

然而,重建和生成倾向于层次结构的不同部分:

解码器:偏好浅层、富含像素的特征。

DiT:偏好更深、更具结构化的语义特征。

这导致了重建与生成之间的不匹配。

FuseReg

FuseReg在训练期间用随机层子集采样取代固定的层融合。

对于采样的子集(S),

z_S = \frac{1}{|S|}\sum_{k\in S} h_k.

归一化采样保持潜在均值不变:

E[z_S | x] = \bar h.

在线性平方损失代理下,我们进一步表明,随机子集采样明确地正则化了跨层分歧。

简而言之,FuseReg discourages 模型不要过于依赖任何特定的层组合。

对层融合具有鲁棒性

单个FuseReg解码器在全量、稀疏甚至单层输入上均保持有效,而固定融合解码器在其训练融合范围之外会严重退化。

生成能力的提升

FuseReg可以独立应用于解码器和DiT。

仅替换解码器:无引导 gFID 3.01 → 2.21

DiT-Base,联合FuseReg:无引导 gFID 13.96 → 9.93

DiT-XL:无引导 gFID 2.91 → 2.38

这一趋势在不同预训练编码器家族中也同样成立。

一个解码器,多种层组合

相同的FuseReg解码器可以在不重新训练的情况下从不同的层子集进行重建,包括稀疏和单层输入。

发生了什么变化?

FuseReg使重建信息在编码器深度上分布得更加均匀:

对单个层的依赖性降低;

来自单层的重建能力增强;

在层组合变化下表示更加稳定。

FuseReg不再寻找单一的最优融合方式,而是训练模型在各种层融合的分布中保持鲁棒性。

本条评分 10.9 score-v1
  • 来源权威 9
    注册表 priority=9(HuggingFace Daily Papers)
  • 时效 1.945
    发布 22.5 小时前,衰减到 1.94/3.0
  • 多源印证 0
    只有 1 家在报(无旁证)
  • 社区信号 0
    无社区数据(本管线走 RSS,HN 的 hn_fetcher 未接入)

首次收录 · 2026-09-29 · 10.95 分

原文链接:https://huggingface.co/papers/2609.31620
来源:HuggingFace Daily Papers
以上内容由 AI 自动翻译,仅供参考。
← 返回简报