"棱鏡假說" 這篇新論文顯示，圖像的意義主要存在於低頻信號中，而像紋理這樣的細節則存在於高頻中。 通過利用這種分裂，作者建立了一個單一的潛在空間，支持理解（CLIP風格）和生成（VAE風格），因此不再需要在語義和真實性之間進行權衡。