arXiv · AI· Calvin Yeung, Prathyush Poduval, Ali Zakeri, Zhuowen Zou, Mohsen Imani·· 2026-10-08AI 评分26
ReSAE:用于解释扩散模型的残差化时间稀疏自编码器
Residualized Temporal Sparse Autoencoders for Interpreting Diffusion Models
AI 导读
提出残差化时间稀疏自编码器 ReSAE,通过拟合相邻时间步线性预测器并学习残差,使潜在变量捕捉超越线性可预测性的结构。 该特征在 Stable Diffusion 1.5 和 Diffusion Transformer 中生成覆盖整个去噪轨迹的特征,并定位变化进入的时间点。 ReSAE 成为研究扩散模型随时间生成图像过程的天然工具。
来源:arXiv · AI · arxiv.org