arXiv · Computer Vision· Ram\'on Calvo-Gonz\'alez, Youssef Saied, Fran\c{c}ois Fleuret·Oct 8, 2026, 12:00· 4 hr agoAI score26

PoolDINO：用于高效扩散模型的池化表征自编码器

Pooling Representation Autoencoders for Efficient Diffusion

AI brief

研究者提出 PoolDINO，一种可学习的仿射池化算子，通过合并相邻 token 降低表征自编码器（RAE）密集 token 网格的生成建模成本，并与 RGB 解码器联合训练，保留标准两阶段 RAE 流程。