SCION：单模型联合生成与自监督表征学习

Vicente Balmaseda 等作者提交论文，提出 SCION 方法，在单一像素空间模型中联合实现生成与自监督表征学习，其核心是一个以流时间步和嵌入为条件的像素空间编码器。作者称该方法自监督且自包含，无需标签或预训练模型。 在 ImageNet 256x256 上，作者报告采用 JiT-B 配方且不加表征引导时 SCION 达到 8.92 FID，优于对齐预训练 DINOv2 的 class-unconditional iREPA（46.44）和以其为条件的 RCG（14.27）；采用 JiT-L 时无引导为 5.89 FID，加入表征引导后为 3.47 FID，优于使用 ADM 配方的 RCG（6.24）。以上均为论文报告结果。

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。