本研究探讨了扩散自编码器在图像重建中的训练质量，提出了一种新的两阶段训练方法，首先提取结构信息，然后改善细节。实验结果表明，该方法能够生成高质量图像，准确恢复高层次结构和低层次细节。
研究者提出了一种名为FlowMo的图像tokenization改进方案，通过两阶段训练提升图像重建质量。FlowMo在ImageNet-1K数据集上表现优异，采用基于Transformer的扩散自编码器，优化了图像压缩与重建过程。
完成下面两步后，将自动完成登录并继续当前操作。
