FuseReg：正規化層融合縮小表示自編碼器的重建與生成差距
為何重要
此研究針對擴散模型的生成品質瓶頸，提出一種低成本且不需重訓視覺編碼器的最佳化手段，讓開發者能透過調整解碼器正規化策略來縮小重建與生成之間的效能落差。對於追求效率差異化的 AI 畫作工具開發者而言，這是進一步提升圖片真實感特徵（PSNR/gFID）的另一條路徑。
表示自編碼器常須決定視覺編碼器的層級融合策略，但固定方法難以平衡細節保留與生成品質；FuseReg 介於固定啟發式選擇，改為訓練隨機編碼器子集來正規化解碼器。
- 方法：採用隨機子集訓練取代固定特徵選擇，在理論上明確懲罰跨層不一致性。
- 彈性重建：在 ImageNet-256（DINOv3-L）上，單一 FuseReg 解碼器不經重新訓練即可處理完整、稀疏與單層融合的潛在值，且 PSNR 優於專門為固定融合設計的解碼器。
- 生成最佳化：僅替換解碼器（RAEv2 DiT-XL 生成器不變）就能降低未引導 gFID 27%，擴散訓練（DiT-Base）下聯合正規化可使該指標再降 29%。