CLM-023
Claim
LDM 上限受 first-stage AE 重建精度限制（细粒度像素任务），且迭代采样仍慢于 GAN 一步生成。
| id | CLM-023 |
|---|---|
| type | claim |
| source | SRC-2112.10752 |
| scope | 全文局限（§10 Limitations & Societal Impact, ms.tex 1442-1477）; 最具体落在 f=4 AE 与 SR 等 pixel-precision 任务; 相对对象为 GAN 的单步采样 |
| epistemic | supported |
| lifecycle | RECONCILED |
| created | 2026-09-03 |
| updated | 2026-09-03 |
Proposition
LDM 的上限部分由 first-stage autoencoder 决定：即便 f=4 AE 的重建在视觉上近乎无损，它并非逐像素精确，故对细粒度像素精度有要求的任务（如高精度的 SR、测量类）会被 VAE 往返误差所限——SR 模型已表现出这一点。此外，尽管大幅领先像素 DM，LDM 仍是顺序（迭代）采样，因而单次采样依旧慢于 GAN 的一步生成。
Evidence refs
Notes
论文原文（§10 Limitations）："their sequential sampling process is still slower than that of GANs. Moreover, the use of LDMs can be questionable when high precision is required: although the loss of image quality is very small in our f=4 autoencoding models, their reconstruction capability can become a bottleneck for tasks that require fine-grained accuracy in pixel space. We assume that our superresolution models (Sec. 5.2) are already somewhat limited in this respect." 该局限同时解释了 CLM-022 中 SR 的 PSNR/SSIM 由回归基线拿第一的现象。
引用（3）
- CLM-022 image-to-image 高质高效：LDM-SR 在 ImageNet 4× 超分 256² FID 优于 SR3；inpainting 亦优于现有方法。
- EVI-023 §10 Limitations + Fig. firststagecomparison：AE 重建瓶颈与迭代采样局限（支撑 CLM-023）。
- 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-023 §10 Limitations + Fig. firststagecomparison：AE 重建瓶颈与迭代采样局限（支撑 CLM-023）。
- 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-023 局限核验：§10 原文（顺序采样慢于 GAN；f=4 AE 非逐像素精确成瓶颈、SR 已受限，'assume' 措辞）与命题一致，推断性质已声明。supported。