待验证60% 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
2
来源数
60%
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% 相似已验证传统视频生成依赖扩散模型技术，通过逐步去噪的方式从随机噪声中生成图像或视频帧，每一帧生成都需要经历数十到上百步的迭代计算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)