HiRAE：分层表示自编码器与残差预算

2026年9月29日，HuggingFace Daily Papers 收录论文《HiRAE：带残差预算的分层表示自编码器》。该工作提出分层表示自编码器：按深度对编码器各层分组，并学习对最深表示的残差修正，同时用分组范数上限约束修正幅度，其中浅层预算更紧。报道称，HiRAE-24 在保持潜变量 token 数与通道维度不变的前提下，于 ImageNet-256 上将重建 FID 从 RAEv2 的 0.299 降至 0.209，并维持有竞争力的引导生成质量。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。上述指标与设定均出自该论文来源，其准确性有待进一步验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。