self-representation-alignment

Diffusion Transformer 내부의 서로 다른 층·노이즈 조건에서 추출한 특징을 상호 정렬해 내부 표현력을 강화하는 기법이다. 이 방법은 외부의 사전학습된 인코더에 의존하지 않고 모델의 조기층 표현을 EMA 교사(teacher)의 심층 표현과 매칭해 학습 신호를 제공한다. 본문에서는 SRA가 생성 손실과 결합되어 학습 수렴을 가속하고 생성 품질을 향상시키는 핵심 구성요소로 사용된다.