arXiv cs.CV· Calvin Yeung, Prathyush Poduval, Ali Zakeri, Zhuowen Zou, Mohsen Imani·· 4 小时前AI 评分22
ReSAE：用残差化时序稀疏自编码器解读扩散模型
Residualized Temporal Sparse Autoencoders for Interpreting Diffusion Models
AI 导读
研究者提出残差化时序稀疏自编码器（ReSAE），通过在相邻时间步之间拟合线性预测器，用初始激活和线性动态无法解释的残差来表示扩散模型的激活轨迹。在 Stable Diffusion 1.5 和一款 Diffusion Transformer 上，ReSAE 特征覆盖整条去噪轨迹，并能定位变化进入轨迹的时刻，为研究扩散模型如何随时间生成图像提供了工具。
来源：arXiv cs.CV · arxiv.org