02_AI视频生成核心架构
视频 DiT 如何处理时空 latent？为什么更适合规模化？
原题U-Net 与视频 DiT 应如何选择？Transformer 一定更优吗？
原题为什么不能把图像生成主干简单复制到每一帧？
原题Temporal Conv、3D Conv 与时空 Attention 应如何选择？
原题为什么视频 Transformer 需要时空位置编码？3D RoPE 的作用是什么？
原题一个典型 AI 视频生成系统的端到端流程是什么？
原题视频生成系统的核心组件如何协同工作？
原题设计视频生成系统时，如何权衡生成质量、计算成本与任务覆盖？
原题
暂无题目