一层足矣：适配预训练视觉编码器用于图像生成

苹果研究提出仅用一层适配层即可将预训练视觉编码器用于图像生成。

• 传统方法需要复杂的对齐或重训练，而该方法只需一层适配。
• 解决了理解型特征与生成型潜在空间之间的不匹配问题。
• 在保持预训练编码器质量的同时，显著降低计算成本。
• 实验表明该方法在图像生成任务上表现优异。
• 看点：该方法可能简化多模态模型的构建，推动视觉生成技术的普及。