WithinVAE：自蒸馏语义紧凑视觉自编码器

2026 年 10 月 28 日，arXiv cs.CV 刊出论文提出 WithinVAE，一种紧凑视觉自编码器。其特点是不依赖预训练识别编码器，也不需要外部语义目标，而是通过自身 EMA 副本进行 DINO/iBOT 式自蒸馏来学习语义，实现 4 倍压缩比。在 ImageNet-1K 256×256 上，该方法的四项重建指标均超过 RPiAE，PSNR 提升 1.36 dB，而潜变量的标量容量仅为其一半。在冻结评估下，同一潜变量的线性探测结果较 RPiAE 高 6.5 分，较纯重建基线高 5.1 分。目前该工作处于论文发布阶段，尚无后续复现或应用报道。

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。