待验证50% 置信事实精确时间
JiT（Just image Transformers）是一种直接预测干净图像的扩散生成模型。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证现代视频扩散模型通常采用U-Net或DiT（Diffusion Transformer）架构来预测每一步添加的噪声66% 相似待验证Transformer架构被引入视觉生成（如Vision Transformer、DiT架构），使模型能更好理解图像不同区域间的全局关系，适用于多模态场景中文本token和图像token的统一处理65% 相似待验证Meta的Muse Image采用基于Transformer的掩码生成架构,在图像生成速度上具有明显优势64% 相似已验证万象（Wan）视频生成模型基于 DiT（Diffusion Transformer）架构63% 相似待验证文生视频模型通常基于扩散变换器（Diffusion Transformer）架构，将运动先验与外观风格解耦处理63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102172API
curl https://kongchang.com/api/v1/knowledge/claims/1102172MCP
get_claim(id=1102172)