已验证80% 置信事实精确时间
Sora采用DiT（Diffusion Transformer）架构，将视频压缩为时空patch序列后输入Transformer，以Transformer替代传统U-Net作为去噪骨干网络
4
来源数
80%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
AI短剧实战指南：两周落地的三阶段学习路线
bilibiliSD-官方教程2026/7/4
相关事实
已验证FLUX采用了DiT（Diffusion Transformer）架构，用纯Transformer替代了传统的U-Net结构77% 相似待验证扩散Transformer（DiT）是将Transformer架构引入扩散模型的一类生成骨干网络，把带噪图像切成patch并线性嵌入为token序列，用多层Transformer块预测噪声或速度，取代传统扩散模型中的U-Net。77% 相似待验证DiT架构由Peebles和Xie在2023年提出，用纯Transformer替换U-Net，将图像或视频切分为patch token统一处理72% 相似待验证DiT 架构用 Transformer 替代传统 U-Net 作为扩散模型骨干网络，能在 Patch 级别捕捉跨帧长程依赖关系69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114179API
curl https://kongchang.com/api/v1/knowledge/claims/114179MCP
get_claim(id=114179)