保留Register Tokens可恢复全局场景细节，提升图像重建质量
发生了什么
据arXiv cs.CV论文，研究指出保留视觉Transformer中的Register Tokens可恢复光照、模糊等全局场景细节，从而提升图像重建质量。在ImageNet-1K上，使用DINOv2和DINOv3的ViT-B解码器分别实现0.472和0.442的平均重建FID，较仅基于Patch的基线分别降低9.5%和5.2%。对应的PSNR分别为19.73和20.54 dB。
- FID降低幅度(DINOv2)
- 9.5%
- FID降低幅度(DINOv3)
- 5.2%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- arXiv cs.CV一手材料
Decoding Register Tokens Preserves Global Scene Details
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口