VER-013
Verification
两段分解核验：感知压缩 AE + 潜空间 DM 与 §1/§2.3/§2.4（Eq.4-5）一致，DiT FRM-2212.09748 AX-2 同向互证，scope 未超。supported。
| id | |
|---|---|
| updated | |
| type | verification |
| claim | CLM-013 |
| result | supported |
| basis | 两段分解与 EVI-013 锚点（§1/§2.3/§2.4, Eq. dmloss/ldmloss）逐项一致；KL/VQ、f、感知/语义压缩术语与源文吻合；scope 未超论文设定 |
| checked | 2026-09-03 |
Checks
- 内部一致性：命题“感知压缩（AE）+ 语义压缩（latent 上训 DM）”与 EVI-013 Result 的两段描述一一对应；KL/VQ 两种正则、f 下采样、LPIPS+PatchGAN 目标均与源文（§2.3）术语一致；未引入正文没有的内容。
- 证据链完整性：EVI-013 observation 精确到 §1 + §2.3 + §2.4 + Eq. dmloss/ldmloss；method 载明 AE 损失与两种正则、DM 的 ε-prediction 简化目标；f=1（LDM-1=像素 DM）的下界在 Caveats 注明。
- scope 匹配：命题限定“两阶段分解”本身（架构机制），scope 字段列 ImageNet/CelebA/LAION 等多任务与 f=4..8（消融 1..32）、169M–1.45B——未把“分解有效”升级为“任意设定下最优”（后者归 CLM-014/016）。
- 跨来源核对：DiT（FRM-2212.09748 之 AX-2/CPT-008）把 LDM 两阶段作为其“冻结 SD f8 VAE”前提的同向来源引用，两源一致、无冲突；ADM 等 baseline 源桩（PPR-2105.05233）尚无 claim，暂无可比。
Notes
result=supported 指 source 内证据链完备（DA8 文献级验证），非独立复现。两阶段“分解有利”的设计论断在 FRM TH-1 有结构推导、在 CLM-014/016 有经验佐证，本条只锚定分解本身的存在与形式。
Scope Note
2026-09-07 命题按 _issues/0001 重述（定性化）；本 VER 基于旧范式（数字对照）审核，投影忠实度段待 T-VERIFY 补审。
投影忠实度复核（2026-09-07）
忠实。定性化后命题主体（两段分解：感知压缩 AE + latent 专司语义生成）断言范围未变，仍由旧审核逐项核对的 §1/§2.3/§2.4 + Eq. dmloss/ldmloss 支撑；新增的“近最优分解”以作者自评措辞（abstract “near-optimal”）显式标注在命题与 Notes，属出处标注而非待验证断言，不扩大证据义务。scope 增补的 conv 扩展至 ~1024² 属范围字段更新，不改变本条命题的断言本体。结论不变。
关联（6）
- PPR-2105.05233 Diffusion Models Beat GANs on Image Synthesis
- FRM-2212.09748 DiT 五层重建：以 ViT 替换 latent diffusion 的 U-Net backbone、Gflops 为透镜的 scaling 研究；边界为 class-cond ImageNet 256/512。
- CLM-013 像素空间 DM 把容量同时花在感知无关细节与语义构成上；显式剥离感知压缩给一次训练的 autoencoder、让 DM 在低维 latent 专司语义生成，是复杂度降低与细节保留之间的近最优分解（作者自评）。
- CLM-014 在预训练感知 autoencoder 的 latent 空间训扩散模型，相对同等评估条件下的像素空间扩散模型，同时显著降低训练算力与采样/推理成本，且生成质量不降反升。
- EVI-013 §1/§2.3/§2.4：感知/语义两段分解的论述与公式（支撑 CLM-013）。
- CPT-008 Perceptual autoencoder (first stage)