LDM-is-AE 论文：把 DiT 当自编码器，去掉预训练 VAE，ImageNet FID 达 1.80

LDM-is-AE 论文提出把 DiT 主干拆成互逆的 DiT-E 与 DiT-D，在所有时间步对中间特征施加图像空间监督，让 LDM 自身充当自编码器，省去单独训练的 VAE tokenizer。该方案在 ImageNet 图像生成上取得 FID 1.80，优于传统两阶段训练。论文作者包括 Zhengqiang Zhang、Lei Zhang 等（arXiv:2609.37080）。