RoAR-VAE, 강건한 예측으로 잠재 표현의 확산 모델 적합성 향상

RoAR-VAE는 손상시킨 잠재 표현으로부터 의미 정보와 이미지 정보를 강건하게 예측하도록 함으로써, 비주얼 토크나이저의 재구성 정확도와 확산 모델에서의 학습 용이성을 동시에 확보하고자 하는 기법이다. 동일한 학습 예산 하에서 생성 벤치마크의 평균 성능은 가장 강력한 베이스라인 토크나이저를 2.19포인트 웃돌았다. 작은 글자의 재구성 정확도는 FLUX.1-VAE에 비해 16.93퍼센트포인트 높다.