CLM-016
Claim
f 消融中 f=4/8 平衡训练进度与渐近质量；f=1/2 太慢、f=16/32 过早停滞（LDM-1 与 LDM-8 差距 38 FID）。
| id | CLM-016 |
|---|---|
| type | claim |
| source | SRC-2112.10752 |
| scope | class-conditional ImageNet 256^2; f∈{1,2,4,8,16,32}; 参数量对齐 ~391–396M; 2M steps; 单 A100; linear 噪声调度, 1000 步 diffusion; 训练进度与采样速度曲线 (Fig. cin_traincourse/speedplot) |
| epistemic | supported |
| lifecycle | RECONCILED |
| created | 2026-09-03 |
| updated | 2026-09-03 |
Proposition
在下采样因子 f∈{1,2,4,8,16,32} 的消融中（参数量对齐、class-cond ImageNet、2M steps、单 A100），f=4 与 f=8 取得训练进度速度与渐近样张质量的最优平衡：f=1/2 把过多感知压缩留给（缓慢的）扩散模型、训练进度慢；f=16/32 过度压缩丢失信息、保真度较早停滞。像素基线（LDM-1）与 LDM-8 之间的 FID gap 在 2M steps 后达 38。复杂数据集（ImageNet）需更低压缩（f=4/8）以维持质量；CelebA-HQ 等较简单数据可用更高 f 提速。
Evidence refs
Notes
正文逐句依据（§4.1）："small downsampling factors for LDM-{1,2} result in slow training progress, whereas overly large values of f cause stagnating fidelity after comparably few training steps"；归因 i) 大部分感知压缩留给 DM，ii) first-stage 压缩过强致信息损失。LDM-{4-16} "strike a good balance between efficiency and perceptually faithfully results"。z-shape 与模型尺寸（~391–396M）见 Tab. cin_hyperparams。
引用（2）
- EVI-016 §4.1 + Fig. cin_traincourse/speedplot：f 消融的训练/采样曲线（支撑 CLM-016）。
- SRC-2112.10752 Latent Diffusion Model 原始论文（Rombach et al.）；Stable Diffusion 学术源头，DiT 所引『latent diffusion』。
被引用（3）
- EVI-016 §4.1 + Fig. cin_traincourse/speedplot：f 消融的训练/采样曲线（支撑 CLM-016）。
- FRM-2112.10752 LDM 五层重建：感知压缩 AE + 潜空间扩散的两段分解，换取训练/采样成本大降；多任务多分辨率（256²/512²→~1024²）。
- VER-016 f 甜区核验：f=4/8 最优与 §4.1 消融、FID gap 38（LDM-1 vs LDM-8 @2M）正文引语一致，scope 限 ImageNet/2M/单 A100。supported。