"L'Hypothèse du Prisme" Ce nouvel article montre que la signification des images réside principalement dans les signaux de basse fréquence, tandis que les détails comme les textures se trouvent dans les hautes fréquences. En exploitant cette séparation, les auteurs construisent un espace latent unique qui supporte à la fois la compréhension (style CLIP) et la génération (style VAE), donc plus de compromis entre sémantique et fidélité.