Les auto-encodeurs de représentation (RAE) ont été proposés en octobre 2025 par une équipe dirigée par Xie Saining, professeur adjoint à l'université de New York. Les résultats de cette recherche ont été publiés dans l'article « ... ».Transformateurs de diffusion avec auto-encodeurs de représentation".

Les encodeurs représentationnels (RAE) remplacent les encodeurs représentationnels traditionnels (VAE) en combinant un encodeur représentationnel pré-entraîné (tel que DINO, SigLIP ou MAE) avec un décodeur entraîné. Ces modèles offrent des reconstructions de haute qualité et des espaces latents sémantiquement riches, tout en permettant des architectures de transformateurs évolutives. Comparés aux modèles basés sur les VAE, les RAE convergent plus rapidement et produisent des échantillons de meilleure qualité lors de l'entraînement par diffusion latente.