无需预训练编码器：判别式几何学习让 Drifting Models 的 FID 降低约 82-95%

针对 Drifting Models 在复杂图像数据集上依赖预训练特征空间的问题，研究者提出持续表示学习（persistent representation learning），随生成器跨 batch 演化不断学习更具判别性的表示几何。