已验证85% 置信事实精确时间
DiT由Peebles和Xie在2023年提出，用Transformer块替代了传统扩散模型中的U-Net骨干网络，成为Sora等视频生成模型的技术基础
5
来源数
85%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
DiffusionBlocks：逐块训练神经网络，内存降低数倍的新方法
rss2026/5/27
相关事实
待验证DiT由Peebles与Xie于2022年提出，将Transformer架构引入扩散过程84% 相似待验证扩散变换器（DiT）架构最早由Meta研究院在2022年提出，将扩散模型的噪声预测网络替换为Transformer架构，Sora、Kling、Wan等主流视频生成模型均采用此路线78% 相似已验证DiT（Diffusion Transformer）架构由 Meta AI 研究员 William Peebles 和谢赛宁于 2022 年提出76% 相似已验证扩散变换器（Diffusion Transformer，DiT）架构最早由Meta研究院在2022年提出74% 相似待验证DiT架构由Meta研究院于2023年正式提出，将Vision Transformer引入扩散模型去噪过程，计算复杂度随序列长度平方增长69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/42795API
curl https://kongchang.com/api/v1/knowledge/claims/42795MCP
get_claim(id=42795)