从像素出发，无需预训练：在单一模型中联合进行生成与自监督表征学习

基于摘要分析。研究针对图像生成依赖类别标签、预训练编码器或独立训练自编码器的问题，提出 SCION（Self-conditioned Generation on Self-supervised representation），在单一模型中联合学习生成能力与自监督表征，并支持无需参考图像的自条件生成。 核心难点是目标不匹配：对比学习使用干净的增强视图，偏向粗粒度、具有不变性的语义；flow matching 使用含噪图像，需要保留细节与空间布局。SCION 采用受 flow 时间步与嵌入共同条件化的像素空间编码器。表征学习时，条件嵌入是所有图像共享的可学习全局向量，编码器的 [CLS] token 通过对比损失学习语义表征；生成训练时，条件嵌入改为图像自身的 [CLS] 表征，patch tokens 经解码器预测图像。模型联合学习嵌入先验，以便推理时不依赖参考图像，并通过梯度范数平衡与 stop-gradient 机制协调联合优化。具体损失形式、梯度路径及采样实现尚未验证。 作者报告，在 ImageNet 256×256、JiT-B 配方且不使用 representation guidance 的条件下，SCION 的 FID 为 8.92；摘要所列类别无条件基线中，对齐预训练 DINOv2 的 iREPA 为 46.44，以其为条件的 RCG 为 14.27。采用 JiT-L 时，作者报告无 guidance 的 FID 为 5.89，使用 representation guidance 时为 3.47；摘要另列采用 ADM 配方的 RCG 为 6.24。不同配方不能视为完全受控的直接比较，训练预算、采样设置、消融及统计信息尚未验证。摘要未提供表征下游评估，不能据生成 FID 推断表征质量。 平台推测（待验证）：该机制可能对应 EEG 自监督学习中“不变性表征与信号细节保留”的冲突，但图像域结果不等于 BCI 有效。可尝试复用条件化编码器、联合优化和嵌入先验，需改造时间—通道 token 化、信号增强及生成输出。低信噪比、小数据和跨被试差异可能使表征保留伪迹或个体特征。一个可检验的小实验是在固定数据划分与训练预算下，比较仅对比学习和联合训练的 Cross-subject 解码表现，并核对生成信号的时频结构是否合理；已有相关 EEG 工作尚未检索确认。