企业官网建设流程全解析

论文 / 来源：RiT: Vanilla Diffusion Transformers Suffice in Representation Space 原文：https://arxiv.org/abs/2605.21981一句话先看懂：它的思路很直接：把生成放到更合适的表示空间里，模型反而能少折腾、还更稳。

很多人做图像生成，第一反应还是像素空间、扩散模型、变体叠变体。 但这篇 RiT 的意思很明确：有些时候，真正该先改的不是模型结构，而是你把问题放在哪个空间里去学。 作者先把像素、VAE 表示和 DINOv2 表示放在一起比，结论是表示空间本身的几何性质差很多。换句话说，不是所有“能喂进去的特征”，都同样适合做生成。

这类题我会优先把原论文首图贴进来，先用一张图把问题摆在桌面上。

论文速读

• 这篇论文一共 4 个部分，核心思路是：它的思路很直接：把生成放到更合适的表示空间里，模型反而能少折腾、还更稳

• 先看问题：图像生成里有个老毛病，大家都太容易把注意力放在“模型是不是更大”。 但对生成任务来说，输入空间本身就是一半答案。如果表示空间太散、太难回归、几何结构太差，再强的 tr…

• 再看方法：作者先做了一件很务实的事：比较不同表示空间的统计性质。 不是只看维度，而是看有效秩、协方差条件、流形几何这些更底层的东西。结果发现，DINOv2 的表示在很多方面更适…

• 最后落到结论：对开发者来说，这篇论文最像一个提醒：别只盯着生成器本身，先看看表示空间是不是已经帮了大忙。 如果空间结构选得好，模型可以更轻，训练也更稳，推理阶段还可能更省。 对企业…

• 你可以把它理解成 问题 → 方法 → 结果 → 落地启示。

图示：论文速读

Figure 6 compares RiT-XL against baselines. Against RAE-XL (DINOv2-S) [44]—a v-prediction DiT-XL with the same encoder, decoder, and parame…

图示：论文速读

Figure 1: Manifold analysis across Pixel, SD-VAE, and DINOv2. (a) PCA spectrum: cumulative variance (top) and per-component variance on log…

它真正解决的是什么问题？

图像生成里有个老毛病，大家都太容易把注意力放在“模型是不是更大”。 但对生成任务来说，输入空间本身就是一半答案。如果表示空间太散、太难回归、几何结构太差，再强的 transformer 也会学得很累。 RiT 这篇论文是在提醒大家，生成难题不只在架构，也在表示。空间选错了，后面很多优化都只是补洞。

图示：它真正解决的是什么问题？

Figure 2: Kurtosis distribution. DINOv2 marginals concentrate tightly around κ=0 (Gaussian); SD-VAE is intermediate; pixels deviate strongly

它是怎么做的？

作者先做了一件很务实的事：比较不同表示空间的统计性质。 不是只看维度，而是看有效秩、协方差条件、流形几何这些更底层的东西。结果发现，DINOv2 的表示在很多方面更适合做流匹配和生成回归。 于是 RiT 的方案就顺着这个结论往前走：冻结表示提取器，把生成主干放在表示空间里训练。架构没有故意做复杂，但训练目标和空间选择变得更顺手了。 这类方法的价值在于，它证明生成质量不一定只靠把模型堆厚，也可以靠把问题摆对。

图示：它是怎么做的？

Figure 3: Cross-class interpolation. Top row of each pair: pixel-space blending xt=(1−t)xa+txb (ghosting artifacts). Bottom row: interpolat…

对开发者和企业意味着什么？

对开发者来说，这篇论文最像一个提醒：别只盯着生成器本身，先看看表示空间是不是已经帮了大忙。 如果空间结构选得好，模型可以更轻，训练也更稳，推理阶段还可能更省。 对企业来说，这种路线更像是一种产品化信号。很多场景真正缺的不是“再大一点的模型”，而是“更容易训练、更稳定、更可控的生成管线”。空间选对以后，工程成本往往会比你想得更低。

图示：对开发者和企业意味着什么？

Figure 8: DINOv2 ODE converges in few Heun steps. Pixel-space truncation error ∥x(K)−x(ref)∥F vs step count K (mean ±1σ over 128 trajectori…

如果你觉得多模型切换Q、工具订阅的流程太繁琐,也可以试试我们的「胜算云」平台,一站式搞定AI创作与开发相关需求。官网:https://www.shengsuanyun.com/?from=CH_5VQOF8WB