SYN-002
Synthesis
三源合成：diffusion 管线三段可分解改造——LDM 表示层（latent 感知压缩）、DiT 骨干层（ViT 替换 + Gflops 标度）、G2DP 采样层（推理期引导插件）；三论文是时间上的实际组合链（DiT 复用 LDM first-stage，G2DP 用 DiT 骨干），层独立性判断 CLM-013/009/032 解释组合可行性。
| id | |
|---|---|
| updated | |
| type | synthesis |
| inputs | CLM-009, CLM-002, CLM-003, CLM-005, CLM-006, CLM-007, CLM-010, CLM-011, CLM-012, CLM-013, CLM-014, CLM-015, CLM-016, CLM-017, CLM-018, CLM-020, CLM-021, CLM-022, CLM-023, CLM-025, CLM-026, CLM-027, CLM-031, CLM-032 |
Structure
跨来源系统整合（D7 典型情形）：三个 Source 的论题层按改造对象所在的管线层级组织，而非按论文时间或任务组织。输入为三源全部 24 条存留 Claim（0001 重构后的论题承载卡，见 inputs）；本整合产生的结构——“三段可分解改造”——不属于任何单条 Claim。
层 1：表示层（PPR-2112.10752，LDM）
改造对象 = 像素空间本身。核心判断：感知压缩与语义生成的显式分离（CLM-013），latent 空间训练同时压低训练/采样成本且质量不降（CLM-014）；first-stage 压缩设计空间（conv 流程容忍低压缩保重建 CLM-015、f 甜区 CLM-016）。边界与代价：AE 重建上限（CLM-023）。
层 2：骨干层（PPR-2212.09748，DiT）
改造对象 = 去噪网络架构。核心判断：U-Net 归纳偏置对生成质量非关键、ViT 可直接替换且更优（CLM-009）；质量的主要决定因素是 Gflops 而非参数量（CLM-003，结构前提 CLM-011）；等训练算力下大模型更 compute- efficient、采样算力不能补偿模型算力（CLM-005/006）；条件注入机制决定质量（调制式最优 CLM-002，CFG 收益模式 CLM-012）；未调参配方即可稳定训练（CLM-010）；decoder 选择影响优势稳健性边界（CLM-007）。
层 3：采样层（PPR-2606.26017，G2DP）
改造对象 = 采样/引导过程本身。核心判断：稠密 cost 网格引导是纯推理期插件、与骨干正交（CLM-032）；引导信息形态（稠密概率网格 vs 实例稀疏）决定避障行为质量（CLM-025）；零样本迁移增益集中于安全轴（CLM-026/027）；边界：历史输入的优势仅限 reactive/interactive 设定（CLM-031）。
派生观察（KB 外推，unverified——不回写为论文断言）
- 三论文是时间上的实际组合链，不只是概念分层：DiT 直接采用 off-the-shelf VAE（即 LDM 式 first-stage，未改造表示层，其 §2 明言“off-the-shelf convolutional VAEs”）；G2DP 的生成骨干即 DiT 架构。即：每篇后续工作只改造上一层产物之上的一个层级——这条链是来源中的可观察事实。
- 层独立性判断解释组合可行性：CLM-013（感知压缩可显式剥离）+ CLM-009（骨干可替换）+ CLM-032（引导可推理期插拔）三个“可分解性”判断分别授权了三个层级的独立改造。组合链的成功是这三个判断的事后印证；反向推断（“凡满足可分解性的层级改造都会成功”）不被本整合支持。
- 条件机制与引导的分属：DiT 的 conditioning（层 2，训练期架构选择）与 G2DP 的 guidance（层 3，推理期能量注入）不构成竞争方案——前者改变条件信息进入骨干的方式，后者在采样更新中注入梯度；两者在 G2DP 中同时存在（DiT 骨干 + cost 网格引导）。DiT CLM-012 的“收益递减 + 保真-多样性权衡”与 G2DP 的调度敏感性（CLM-032 Notes）疑似同构现象（推理期注入强度都存在非平凡最优点），但证据来自不同管线不同指标，只作并置不做合并。
- 质量的层级归因不可交换：层 1 判断的指标是重建保真（R-FID 系），层 2 是生成质量（FID 系），层 3 是规划安全/推进指标——三层各自内部自洽，跨层无统一标度。任何“三层对总质量的贡献占比”问题在本子图内不可回答（无受控分解实验），属开放问题。
Consensus / Disagreement / Gaps
- 共识（跨源）：①定性设计判断层三源高度同构——每篇都以“归纳偏置/信息形态/粒度选择优于蛮力”为核心（latent vs 像素、transformer vs 卷积偏置、稠密网格 vs 实例锚点）；②scaling 判断都指向“算力投向结构比堆量更重要”（CLM-003/005/006 ↔ CLM-014）。
- 争议：无 open CFL。CFL-001 已裁决（terminology-difference，human-resolved）——该案例本身是本整合的方法论注脚：跨源术语对撞需逐网络定位，不能按字面合并。
- 空白（D14 显式化）：①coverage gap：三源均为图像/规划生成，无文本、音频、视频层的三段分解证据，层级图景外推到其他模态未验证；②source gap：G2DP 全批 claim 无 VER 卡（含 CLM-032），DiT/LDM 19 张 VER 的投影忠实度段待补审（0001 遗留）——层 3 判断的文献级可信度当前弱于层 1/2；③concept gap：层 2 与层 3 的“推理期注入”同构现象（见派生观察三）无独立消融支撑，升格为 claim 需新证据；④relation gap：层间接口的形式刻画（层 2 依赖层 1 输出的哪些性质？CLM-023 的 AE 上限如何传导到层 2 质量？）无来源直接论证。
- RQ 种子（不入本卡，P8 通道）：组合链的下一层是什么（奖励/目标层改造？）；三段分解在 latent 不保持二维结构的模态是否仍成立。
关联（31）
- PPR-2112.10752 High-Resolution Image Synthesis with Latent Diffusion Models
- PPR-2212.09748 Scalable Diffusion Models with Transformers
- PPR-2606.26017 G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance
- CLM-002 同配置同预算下，条件注入机制的选择对生成质量有决定性影响：adaLN-Zero 调制式注入同时最优质量与最低计算开销，优于 cross-attention 与 in-context。
- CLM-003 模型前向 Gflops（而非参数量）主导 DiT 质量：Gflops 相近则 FID 相近，且与 FID-50K 强负相关。
- CLM-005 采样算力不能补偿模型算力：DiT 族内小模型即使以数倍单图采样算力生成，FID 仍劣于大模型的低步数采样（锚点数字见 EVI-005）。
- CLM-006 等量总训练算力下大模型更 compute-efficient；仅改 patch size 的模型对在控制训练 Gflops 后性能曲线不同。
- CLM-007 DiT 对既有 U-Net diffusion 模型的质量优势不依赖 VAE decoder 选择：免重训互换 LDM 原始/ft-MSE/ft-EMA decoder（encoder 相同）后优势均保持。
- CLM-009 U-Net 归纳偏置对 diffusion 质量非关键：标准 ViT 可直接替换 U-Net backbone，并在同等评估协议下取得优于既有 U-Net-based diffusion 模型的质量。
- CLM-010 DiT 在未调参 ADM 配方下稳定训练：恒定 lr、无 warmup/正则，全程无 loss spike。
- CLM-011 patchify 标度：p 减半 → token 与 transformer Gflops 至少 ×4（注意力超线性），参数量近似不变。
- CLM-012 CFG 大幅改善 DiT 生成质量，收益随 guidance scale 增大而递减，并伴随保真度升、多样性（recall）降的权衡；SOTA 数字均以 guidance 口径取得。
- CLM-013 像素空间 DM 把容量同时花在感知无关细节与语义构成上；显式剥离感知压缩给一次训练的 autoencoder、让 DM 在低维 latent 专司语义生成，是复杂度降低与细节保留之间的近最优分解（作者自评）。
- CLM-014 在预训练感知 autoencoder 的 latent 空间训扩散模型，相对同等评估条件下的像素空间扩散模型，同时显著降低训练算力与采样/推理成本，且生成质量不降反升。
- CLM-015 LDM 全 2D-conv 流程（conv AE + conv DM）可容忍比 1D-AR tokenize 更温和的压缩且重建更保真；优势集中在低压缩区间（f=8 显著优于 DALL·E，f=16 与 VQGAN 相当）。
- CLM-016 下采样因子 f 的选取存在数据集相关的甜区：f 过小训练进度结构性缓慢，f 过大因 first-stage 信息损失保真度早期停滞；复杂数据集甜区在 f=4/8，较简单数据可用更高 f 换采样速度。
- CLM-017 LDM 以通用 cross-attention 注入任意条件（τ_θ 投影 y 为 KV，UNet 中间特征为 Q），一个 backbone 承载多模态条件。
- CLM-018 推理期 CFG 大幅抬升 LDM 样张质量（FID/IS 同改）而几乎不加训练成本，两设定均成立；引导后的 1.45B cross-attn 文本 LDM 与近期最强 AR/diffusion 系统同量级且参数量显著更少（论文措辞 on par，非新 SOTA）。
- CLM-020 likelihood-based 目标的 mode-covering 行为在 Precision/Recall 上系统性地优于 GAN（逐数据集、针对对抗基线），支持其分布覆盖优势的指标层证据；同口径下 LDM 于 CelebA-HQ 取得新 SOTA FID，其余数据集与最强 GAN/扩散竞争。
- CLM-021 密集条件 image-to-image 直接把条件拼入输入训练，conv 式条件使模型能越过训练分辨率泛化到兆像素大图。
- CLM-022 对密集条件 i2i 任务，latent 扩散配方同时给出感知质量与效率收益：(SR) LDM-SR 在感知指标上胜过专用像素扩散 SR3 与回归基线，但 PSNR/SSIM 由回归基线占先；(Inpainting) latent 化显著提吞吐并改善 FID，分布级质量超专用 SOTA 修复器 LaMa 而 LPIPS 略高。
- CLM-023 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。
- CLM-025 同一 diffusion 骨干下，稠密概率性 cost 网格引导促成平滑、预见性的避障；稀疏实例级引导即使供给 oracle 邻车轨迹仍诱发末期突变机动并损害舒适度——避障行为质量由引导信息形态决定。
- CLM-026 nuPlan 训练的模型零样本迁移 interPlan：相对共享生成管线的 Diffusion Planner 大幅领先，增益集中于安全维度（碰撞避免、TTC），progress/speed-limit 类项持平或微降；优势依场景类型非全域均匀。
- CLM-027 零样本迁移真实无人机记录的密集城市交通（DeepScenario，NR）：安全与路线推进增益保持，碰撞避免与推进维度大幅超过 Diffusion Planner、推进维度反超规则基线 PDM-Closed；drivable area 与 driving direction 非最优。
- CLM-031 去掉邻车历史输入的 history-free 变体在 reactive/interactive 闭环下反而更优，且加事后规则精修后的增益依赖远小于稀疏引导对照（作者推断）；该优势严格限于 reactive/interactive 设定，NR 下不成立。
- CLM-032 稠密网格引导是纯推理期模块：占据预测器与生成骨干分开训练、仅在推理耦合，不重训不改骨干即可注入解析梯度，且部分替代事后规则精修（作者推断）。
- CFL-001 表面冲突：CLM-009（DiT）称'U-Net 归纳偏置对生成质量非关键，可换 ViT'，CLM-015（LDM）称'2D 卷积归纳偏置对重建保真关键，容忍低压缩'。论文核实：两处'U-Net'是不同网络（second-stage 去噪 UNet vs first-stage 压缩 autoencoder），同名异物、可同真互补，提议 terminology-difference。
- SYN-003 G2DP 引导谱系四支合成：机制（classifier guidance→CFG→DPS）、扩散规划（Diffuser→MotionDiffuser→Diffusion Planner→FlowPlanner/pSTL/CTG）、安全硬约束（CBF 系）、稠密网格（HYPE/TPP/NaviDiffusor）；G2DP 立四支交点——把『稠密分布性网格』放到『可微+时空+入去噪循环』。
- SYN-001 co-inputs DiT 四种 conditioning 设计系统对比：adaLN-Zero 以可忽略算力增量取得 FID 19.47 全维最优；推导出'交互强度-质量'非单调与'算力效率优先'两条结构观察（单来源外推，显式标注）。
- SYN-003 co-inputs G2DP 引导谱系四支合成：机制（classifier guidance→CFG→DPS）、扩散规划（Diffuser→MotionDiffuser→Diffusion Planner→FlowPlanner/pSTL/CTG）、安全硬约束（CBF 系）、稠密网格（HYPE/TPP/NaviDiffusor）；G2DP 立四支交点——把『稠密分布性网格』放到『可微+时空+入去噪循环』。