"فرضية المنشور" تظهر هذه الورقة الجديدة أن معنى الصورة يعيش غالبا في الإشارات منخفضة التردد، بينما التفاصيل مثل الخامات تعيش في الترددات العالية من خلال استغلال هذا الانقسام، يبني المؤلفون فضاء كامنا واحدا يدعم كل من الفهم (نمط CLIP) والتوليد (نمط VAE)، لذا لا مزيد من المقايضة بين الدلالات والدقة