返回全部题目← 上一题145 / 315下一题 →题库/模型基础与推理/Q-5818扩散生成主干中的 U-Net 与 DiT 如何组织特征、注入条件并扩展规模？知识专题：多模态与生成模型题目类型：比较选型技术难度：进阶收录题集：9 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集9 份图像生成面试指南阿东玩 AI · AgentGuide · 1 条原题查看题集 →U-Net 与 DiT 如何选？多模态与计算机视觉阿东玩 AI · AgentGuide · 5 条原题查看题集 →【DiT Transformer实现】DiT的Transformer实现：请详细说明DiT（Diffusion Transformer）中Transformer的结构，包括如何将图像patch作为输入，以及如何与扩散过程结合。 「蚂蚁集团」【ViT与DiT原理】ViT、DiT原理：请分别讲解Vision Transformer (ViT) 和 Diffusion Transformer (DiT) 的原理，包括架构、输入处理、注意力机制等。 「阿里巴巴」【图像生成基础】了不了解图像生成，DiT和flow matching等 「阿里巴巴」展开其余 2 条原题【DiT】为什么dit更主流？ 「腾讯混元」【架构对比】mmdit和flux架构区别？介绍FLUX的整体架构、原理、结构（包括双流Block和单流Block），说明其作为生成模型的优势，并解释为什么要先双流再单流。请详细讲解DiT的原理和具体实现，包括其架构（如AdaLN-Zero等），并说明Flux扩散模型的架构。 「百度、腾讯混元、阿里巴巴」图像分类Rocky Ding · AIGC-Interview-Book · 3 条原题查看题集 →DiT 为什么会成为扩散模型中的重要 backbone？DiT 如何注入时间、类别、文本和结构控制条件？DiT Block 为什么常用 AdaLN、RoPE 和 In-Context Conditioning？图像分割Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →U-Net 为什么在医学影像和 AIGC 控制中长期高频？06_GAN数字人与AIGC前沿高频考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →GAN、Diffusion、DiT/Flow 在数字人生成中的差异是什么？展开剩余 4 份题集深度学习精华·网络架构Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →介绍U-Net网络及其核心亮点在多模态大模型中，Transformer 是如何适配不同模态的？扩散模型中的 Transformer（DiT）有何特点？图像创作 · Stable Diffusion&FLUX系列大模型基础Rocky Ding · AIGC-Interview-Book · 4 条原题查看题集 →为什么 SD U-Net 中 Self-Attention 与 Cross-Attention 主要放在中、低分辨率层？高分辨率层为何以卷积为主？为什么使用U-Net作为Stable Diffusion模型的核心Backbone？U-Net与DiT在Backbone设计哲学上的本质差异是什么？SD系列从U-Net演进到DiT的根本原因是什么？展开其余 1 条原题Stable Diffusion XL的Backbone部分有哪些创新？详细分析改进意图01_AI视频核心基础知识Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →对比分析基于UNet和基于Transformer的视频生成架构的优缺点02_AI视频生成核心架构Rocky Ding · AIGC-Interview-Book · 3 条原题查看题集 →U-Net 为什么适合扩散去噪？扩展到视频时需要改什么？视频 DiT 如何处理时空 latent？为什么更适合规模化？U-Net 与视频 DiT 应如何选择？Transformer 一定更优吗？相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题扩散模型如何通过输入加噪、重绘强度与掩码实现图像编辑？下一题 →图像生成工具中的提示词权重语法如何影响文本条件？
