PixelDense：将稠密预测作为像素扩散的表征对齐

PixelDense 提出用稠密预测基础模型替代 DINOv2、CLIP 等语义编码器作为像素扩散的表征对齐（REPA）目标。在像素空间扩散中，SAM2、Depth Anything v2 和 Metric3D v2 均优于仅用 DINOv2 的 GenEval 基线，其中两个几何教师模型领先于分割教师模型。