表征自编码器（Representation Autoencoders，RAE）是由纽约大学助理教授谢赛宁团队于 2025 年 10 月提出的，相关研究成果发表于论文「Diffusion Transformers with Representation Autoencoders」。

RAE 是利用一个预训练的表示编码器（如 DINO 、 SigLIP 或 MAE）与一个训练好的解码器进行组合，从而替代传统的 VAE 。该类模型既能提供高质量的重建，又能提供语义丰富的潜在空间，同时允许基于可扩展的变换器架构。与基于 VAE 的模型相比，RAE 在潜在扩散训练中实现了更快的收敛速度和更高质量的样本。