论文名称：Representation Entanglement for Generation: Training Diffusion Transformers Is Much Easier Than You Think 论文地址: https://arxiv.org/abs/2507.01467v2 代码地址: https://github.com/Martinser/REG 会议信息: NeurIPS 2025 Oral 作者机构：NKIARI, 深圳福田；VCIP, CS, 南开大学；极豪科技；哈佛大学；中国科学院大学 背景简述 REPA 及其变体通过把 noised latent 和视觉基础模型判别式 clean image representation 进行对齐，来加速 Diffusion 训练收敛，但其推理时无法使用外部特征，限制了 其性能上限。 REG 是一种简单而有效的方法，仅通过引入一个 class token 便能大幅加速生成模型的训练收敛。其将基础视觉模型（如 DINOv2）的 class token 与 latent 在空间维 度拼接后共同加噪训练，从而显著提升 Diffusion 的 ...