本研究提出了一种新范式，通过无序标记集合和双重变换机制，显著提升了图像生成的语义感知表示和生成质量。

本研究提出了一种双重变换方法，克服了传统图像检索在高维空间中的性能限制。通过端到端训练，结果表明在异构空间中的匹配显著提高了图像检索的准确性，尤其在复杂数据集上效果显著。