PAE

PAE（Prior-Aligned AutoEncoder）是一个旨在为潜在扩散模型构建扩散友好型潜在流形的框架。该项目通过特定的先验对齐正则化，优化了潜在空间的空间结构一致性、局部流形连续性和全局流形语义这三个关键属性，从而在不依赖于单纯的重建保真度或预训练表示的情况下，显著提升了生成质量和收敛速度。实验表明，在ImageNet 256×256数据集上，PAE实现了1.03的gFID值，并且比同类方法RAE快13倍达到收敛。此项目适合需要高效生成高质量图像的应用场景，如图像合成、风格迁移等。