HiRAE：带残差预算的分层表征自编码

HiRAE 提出在完整视觉编码器层级上进行分层融合，以提升重建保真度并保持生成建模兼容性。HiRAE-24 保留 latent token 数和通道维度，在 ImageNet-256 上相对 RAEv2 将重建 FID 从 0.299 降至 0.209；文本到图像任务中，微调后 GenEval 从 84.86 提升到 87.70。