Verified85% confidenceFactExact time
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
Sources
85%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
DiffusionBlocks：逐块训练神经网络，内存降低数倍的新方法
rss5/27/2026
Related Claims
UnverifiedDiT由Peebles与Xie于2022年提出，将Transformer架构引入扩散过程84% similarUnverified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% similarVerifiedDiT（Diffusion Transformer）架构由 Meta AI 研究员 William Peebles 和谢赛宁于 2022 年提出76% similarVerified扩散变换器（Diffusion Transformer，DiT）架构最早由Meta研究院在2022年提出74% similarUnverifiedDiT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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/42795API
curl https://kongchang.com/api/v1/knowledge/claims/42795MCP
get_claim(id=42795)