ビジュアル生成のための自己教師表現（SVG）は、清華大学と快手克玲チームによって2025年10月に共同で提案されました。関連する研究成果は論文「[…]」に掲載されました。変分オートエンコーダを使用しない潜在拡散モデル”。

SVGは、変分オートエンコーダ（VAE）を必要としない新しい潜在拡散モデルであり、自己教師あり表現を視覚生成に活用できます。このモデルは、固定されたDINO特徴量を活用して意味的に識別可能な特徴空間を構築し、軽量な残差分岐によって詳細な情報を捉えることで、高品質な再構成を実現します。拡散モデルは、この意味的に構造化された潜在空間上で直接学習されるため、より効率的な学習が可能になります。そのため、SVGは拡散学習を高速化し、サンプリングステップ数を削減し、生成品質を向上させます。