**IDEAL：通过深度对齐实现离散表示自编码器的视觉保真与语义丰富**

_IDEAL: In-DEpth ALignment Makes A Discrete Representation AutoEncoder_

> 现有表示自编码器依赖深层视觉基础模型特征，易丢失细节信息。IDEAL框架创新地联合对齐浅层与深层特征，使离散视觉token同时具备高视觉保真度和丰富语义。在ImageNet上，IDEAL的重建rFID达0.61，自回归图像生成gFID达1.89，均刷新最优纪录。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.11096)