Fae

Apple 研究人员提出 FAE 以适配视觉编码器进行图像生成

Apple 机器学习研究团队推出了 FAE（Feature Auto-Encoder），一个将预训练视觉编码器适配于图像生成的新颖框架。该方法使用单个注意力层将高维的面向理解的特征转换为低维的面向生成的潜在表示。FAE 可与 DINO 和 SigLIP 等各种自监督编码器集成，并可插入到扩散模型或归一化流中，在 ImageNet 等基准测试中取得了有竞争力的性能。