先净化再对齐：改进扩散模型的表征对齐

基于摘要分析。本文研究图像扩散训练中的表征对齐：将中间特征对齐到预训练视觉编码器时，哪些目标信息更有利于生成？作者提出 local appearance purification（LAP，局部外观净化），移除对齐目标中可由局部外观预测的内容，转而对齐其残差；该方法仅修改对齐目标，无需改变扩散训练或推理流程。 机制与理论方面，作者通过同一编码器内的受控干预指出，对齐效果取决于目标强调的信息，而不只是其包含的图像信息量。作者还给出标准对齐的变分解释，并在局部预测器固定的条件下，推导以局部外观为条件、逐 token 求和的信息界。为解释不同编码器的收益差异，作者提出精确的 constant-readout 检验，衡量不使用扩散模型隐藏状态时，对齐目标仍可被匹配到何种程度。摘要未提供局部预测器、残差构造及损失的具体实现。 作者报告，LAP 在 MAE、AIMv2、CLIP、DINOv2、DINOv3 五种预训练表征上均改善生成质量，其中 MAE 收益最大：在 ImageNet-256、SiT-B/2 配置下，FID 从 53.1 降至 42.3。作者报告，在更强的对齐方案和 tokenizer 下仍有收益；在扩散训练前计算的 constant-readout 分数，与 13 个编码器的净化收益之间具有 Spearman ρ=0.94 的相关性。具体训练预算、评估采样设置、消融及统计信息尚未验证。 平台推测（待验证）：若将该机制用于 EEG 条件生成，可检验的假设是，净化视觉教师目标中的局部外观信息，可能减少对 EEG 难以支持的细节的对齐要求。可复用部分是目标残差化与 constant-readout 诊断，但需改造为适合 EEG 条件和时空结构的预测器；低信噪比、小数据、跨被试及通道差异可能使局部预测不稳定，或误删任务相关信息。最小验证可在固定 EEG 条件生成模型及相同划分下，仅比较原始与净化视觉目标，并检查收益是否跨被试保持。此为迁移假设而非本文结论，已有 EEG 相关工作尚未检索确认。