待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/8/10
首次发现
来源
相关事实
已验证万象（Wan）视频生成模型基于 DiT（Diffusion Transformer）架构80% 相似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77% 相似待验证早期视频生成模型基于U-Net架构，而扩散变换器将Transformer的注意力机制引入扩散过程76% 相似待验证现代视频风格迁移方案在扩散模型的去噪过程中注入时序注意力机制，让模型在生成每一帧时能看到相邻帧的状态75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/722316API
curl https://kongchang.com/api/v1/knowledge/claims/722316MCP
get_claim(id=722316)