arXiv 新增 + ICML 2026 Poster · P2 · 2026-06-08

Breaking the Lock-in：它和通用视觉自监督的关系在于：在 diffusion transformer 中对早期 DC feature 做 training-free modulation，说明生成多样性也可从表征频率成分入手

中相关；详见方法、贡献和实验边界。

Breaking the Lock-in: Diversifying Text-to-Image Generation via Representation Modulation　arXiv 新增 + ICML 2026 Poster　原文链接

编号2606.06813 优先级P2 类别arXiv 新增 + ICML 2026 Poster 会议arXiv 新增 + ICML 2026 Poster 方法在 diffusion transformer 中对早期 DC feature 做 training-free modulation，说明生成多样性也可从表征频率成分入手来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：在 diffusion transformer 中对早期 DC feature 做 training-free modulation，说明生成多样性也可从表征频率成分入手。中相关；详见方法、贡献和实验边界。

**Figureure 1 · Overview of DAVE**Figure 1. Overview of DAVE. Compared to the original flow-based generative model, DAVE consistently produces more diverse images with minimal computation.这张图概括 Breaking the Lock-in 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 13 · Qualitative results across different models.**Figure 13. Qualitative results across different models.这张图/表用于判断 Breaking the Lock-in 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

核心问题

它和通用视觉自监督的关系在于：在 diffusion transformer 中对早期 DC feature 做 training-free modulation，说明生成多样性也可从表征频率成分入手。

方法拆解

在 diffusion transformer 中对早期 DC feature 做 training-free modulation，说明生成多样性也可从表征频率成分入手

主要贡献

中相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。