机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

研究表明，生成扩散模型在去噪时能形成有意义的判别表示，但不如自监督学习。训练大型扩散模型的难点在于有效学习这些表示。研究提出通过引入高质量外部视觉表示来提升训练效率和图像质量。REPA技术通过对齐去噪网络与预训练视觉编码器的表示，显著提高了训练效率和生成质量。

该论文介绍了一种名为REPA的方法，用于在非独立同分布的联邦学习环境中进行客户端聚类。该方法使用基于自动编码器的监督方法来创建客户端的嵌入，无需训练或标记数据收集。实验结果表明，REPA在提供最先进的模型性能的同时扩展了基于聚类的联邦学习的适用范围。