**PixelDense:通过像素扩散中的表示对齐提升生成质量** _PixelDense: Dense Prediction as Representati
原帖
**PixelDense:通过像素扩散中的表示对齐提升生成质量**
_PixelDense: Dense Prediction as Representation Alignment for Pixel Diffusion_
> PixelDense 提出一种将密集预测任务作为表示对齐(REPA)目标的新方法,旨在加速像素空间扩散模型训练。该方法将语义教师(DINOv2, SAM2)与几何教师(Depth Anything v2, Metric3D v2)分流至独立投影流,并引入权重空间正交性惩罚以解决梯度竞争问题。实验表明,PixelDense 在 GenEval、DPG-Bench 等基准上超越单一教师及未分解的多教师变体,显著提升了生成质量、重建精度及编辑稳定性,并加快了收敛速度。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.00483)