更改

<!-- 图3：Checkerboard masking 与 Channel-wise masking 的对比示意图 -->

<!-- 图3：Checkerboard masking 与 Channel-wise masking 的对比示意图 -->

​

​

== 多尺度架构：分层打包潜在变量 ==

== [[多尺度架构]]：分层打包[[潜在变量]] ==

​

​

图 4 的多尺度架构依赖两个关键操作：压缩与变量分解。

图 4 的多尺度架构依赖两个关键操作：[[压缩]]与[[变量分解]]。

​

​

'''压缩'''：将空间上每个 <math>2\times2</math> 的小块在通道方向上重排，将 <math>s\times s\times c</math> 重排为 <math>s/2 \times s/2 \times 4c</math>。空间分辨率减半，通道数四倍——信息被重新排列，但没有丢失。

'''压缩'''：将空间上每个 <math>2\times2</math> 的小块在[[通道方向]]上重排，将 <math>s\times s\times c</math> 重排为 <math>s/2 \times s/2 \times 4c</math>。[[空间分辨率]]减半，通道数四倍——信息被重新排列，但没有丢失。

​

​

'''变量分解'''：在每个尺度结束时，将当前表示的一半维度提取为潜在变量 <math>\mathbf{z}^{(i)}</math>，剩下的一半 <math>\mathbf{h}^{(i)}</math> 继续进入下一尺度。最终所有 <math>\mathbf{z}^{(i)}</math> 展平后拼接成完整的潜在编码 <math>\mathbf{z}</math>，其总维度与输入维度相等。

'''变量分解'''：在每个尺度结束时，将当前表示的一半维度提取为潜在变量 <math>\mathbf{z}^{(i)}</math>，剩下的一半 <math>\mathbf{h}^{(i)}</math> 继续进入下一尺度。最终所有 <math>\mathbf{z}^{(i)}</math> 展平后拼接成完整的潜在编码 <math>\mathbf{z}</math>，其总维度与输入维度相等。

​

​

该设计具有以下优势：

该设计具有以下优势：

# '''层次化表示'''：早期提取的 <math>\mathbf{z}</math> 对应局部纹理（如边缘、颜色），后期提取的对应全局语义（如物体姿态、场景结构）。

# '''[[层次化表示]]'''：早期提取的 <math>\mathbf{z}</math> 对应局部纹理（如边缘、颜色），后期提取的对应全局语义（如物体姿态、场景结构）。

# '''梯度分散'''：损失信号能直接传递到所有尺度，避免梯度在深层消失。

# '''[[梯度分散]]'''：损失信号能直接传递到所有尺度，避免梯度在深层消失。

# '''降低计算负担'''：越早提取的维度越多，后续层需要处理的特征图越小。

# '''降低计算负担'''：越早提取的维度越多，后续层需要处理的特征图越小。

 

== 批量归一化：训练深层的稳定器 ==

== 批量归一化：训练深层的稳定器 ==

​

​