ArticleMetadataMain page

entity · 2026-04-17

扩散 Transformer

#near-cvpr-2025#method#diffusion

扩散 Transformer

概述

这一页对应 DiT（Diffusion Transformer）这一类反复出现的主干架构。它在当前知识库里不是某一篇论文独有的方法，而是一条横跨图像生成与视频生成的共用技术底座。现在很多论文并不是抛弃 DiT，而是在它上面继续做动态压缩、轨迹控制、长视频建模、guidance 工程化和部署优化，所以它更像一条持续演化的主线，而不是一个固定不变的模型名字。

这个实体为什么重要

  • 它同时出现在图像生成与视频生成两侧，是少数真正横跨多个 topic 的技术主干。
  • 它经常不是“被替换掉”的对象，而是“被继续扩展”的对象，说明社区把它当作可持续演进的平台。
  • 如果后续继续 ingest 新论文，很多方法都可以直接放到 DiT 这一条技术谱系里理解，而不必每次从头分类。

当前观察到的演化方向

从 ViT 可行到 DiT scaling 成立

图像侧：内部表示与算力分配优化

视频侧：控制与长时程扩展

工程侧：DiT 周围的子生态开始变厚

这条实体现在意味着什么

这说明 DiT 的意义已经不只是“一个主干可选项”，而更像一个能持续吸纳后续工作的技术平台。一个主干真正变成平台，通常需要三层条件同时成立：

  • 有 canonical 前史与 scaling 叙事；
  • 能横跨多个任务域持续被改造；
  • 周围开始长出独立的工程配套生态。

当前这三个条件，DiT 基本都已经满足。

当前关系网络

证据

当前判断

加上最近补回的 backbone 前史与 engineering 子线之后，这条实体的时间纵深和平台性都更清楚了：它不只是 2025 附近的一组工程改造，而是从 ViT 可行性到 DiT scaling，再到图像/视频双侧适配与工程生态扩张，已经形成一条完整主干。

更稳的说法是：DiT 现在已经不只是一个方法名，而是一套生成研究默认会参考的基础设施。

相关页面

Metadata

{
  "id": "entity-diffusion-transformer",
  "type": "entity",
  "title": "扩散 Transformer",
  "status": "active",
  "created": "2026-04-12",
  "updated": "2026-04-17",
  "tags": [
    "near-cvpr-2025",
    "method",
    "diffusion"
  ],
  "entity_type": "method",
  "aliases": [
    "DiT"
  ],
  "related_topics": [
    "topics/image-generation",
    "topics/video-generation",
    "topics/diffusion-models"
  ],
  "source_notes": [
    "sources/2026-04-15-all-are-worth-words",
    "sources/2026-04-15-scalable-diffusion-models-with-transformers",
    "sources/2026-04-12-d2it",
    "sources/2026-04-12-lingen",
    "sources/2026-04-12-tora",
    "sources/2026-04-16-on-distillation-of-guided-diffusion-models",
    "sources/2026-04-16-post-training-quantization-on-diffusion-models",
    "sources/2026-04-16-towards-practical-plug-and-play-diffusion-models",
    "sources/2026-04-16-self-guided-diffusion-models"
  ]
}