参考模型

Semantic Reference

内置 semantic 路线是基于 Hugging Face vision encoder。

当前可直接用的工厂：

• repralign.factories:load_siglip_vision_model
• repralign.factories:load_siglip_image_processor
• repralign.factories:load_hf_image_processor

适合：

• SigLIP
• ViT 风格视觉骨干
• 其他带稳定 named modules 的 HF vision model

Generation Reference

内置 generation 路线基于 Diffusers pipeline。

当前工厂：

• repralign.factories:load_sd3_pipeline

当前 adapter：

• sd3_reference

这个路径会：

• 用 VAE 编码图片
• 用 pipeline 的文本编码器编码 prompt
• hook SD3 transformer blocks
• 把 denoising transformer 作为 generation-oriented reference source

关于 SD3-Medium

仓库已经支持把 SD3 作为 generation reference，但具体实验仍然依赖这些选择：

• prompt 文本
• timestep
• 图像分辨率
• hook 哪些 transformer blocks
• Diffusers 版本和权重