已验证65% 置信事实时间未知
DiT架构相比早期基于U-Net的扩散模型，在处理长序列视频帧时具有更强的时序一致性
3
来源数
65%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
自制AI分镜神器：九宫格精准控制视频生成效果
bilibili痕继痕迹
涉及实体
相关事实
待验证文生视频模型架构中，早期多采用U-Net结构（如Stable Video Diffusion），新一代模型倾向于使用Transformer架构（如DiT）79% 相似待验证视频超分辨率（VSR）通过光流估计对齐相邻帧并融合多帧信息重建目标帧，在恢复细节的同时保证时序稳定性74% 相似待验证当前主流的文生视频模型普遍基于扩散模型架构，通过在时间维度上扩展图像生成能力来产生连贯的视频帧序列73% 相似待验证Sora、Stable Video Diffusion等前沿视频生成模型均采用DiT或其变体72% 相似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71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/13460API
curl https://kongchang.com/api/v1/knowledge/claims/13460MCP
get_claim(id=13460)