RoAR-VAE：通过鲁棒预测提升潜空间可扩散性

RoAR-VAE 通过从损坏的潜变量中鲁棒预测语义与重建信息来改进视觉 tokenizer，在相同训练预算下平均生成 benchmark 性能比最强基线 tokenizer 高 2.19 分，小文本重建准确率比 FLUX.1-VAE 高 16.93 个百分点。