U-Net
U-Net是一种用于图像分割任务的卷积神经网络架构，由Ronneberger等人于2015年提出，最初面向生物医学图像分析设计。其核心结构由对称的编码器（下采样路径）和解码器（上采样路径）组成，并通过跳跃连接（skip connections）融合不同层级的特征信息，能够在少量训练数据下实现精确的像素级分割，广泛应用于医学影像、遥感图像及工业视觉等领域。
核心事实
时间轴 (近 90 天)
DiT类架构在参数利用效率上往往高于U-Net，这解释了5亿参数量级仍能保持可观画质。
该研究使用通用的U-Net骨干网络，通过像素级对比学习产生了比传统热图回归更具判别力的热图。
传统扩散模型多用U-Net做去噪网络，而DiT用纯Transformer替换U-Net，将图像切分成patch序列输入，通过自注意力建模全局依赖。
传统扩散模型多采用U-Net作为去噪网络，而DiT用Transformer替换U-Net，在图像生成任务上取得了优于U-Net的表现。
反向生成学习一个去噪网络，从纯噪声出发，逐步预测并去除噪声，最终生成清晰样本。
图像分割分为语义分割（如U-Net、DeepLab）和实例分割（如Mask R-CNN）。
U-Net是一种编码器—解码器结构的卷积神经网络，最初用于生物医学图像分割，通过跳跃连接保留精细空间细节。
HiPredict采用U-Net架构学习输入与目标通道之间的非线性时空—光谱关系。
主流的分割API通常基于U-Net或Transformer架构，在去除背景时同时估计边缘的alpha值，而非简单的二值切割。
现代灾前灾后影像对比方法更多采用深度卷积神经网络（如U-Net、ResNet等）进行语义分割，将影像像素分类为建筑、道路、水体、植被等类别，再判断各类别状态是否发生异常变化。
还有 30 条时间轴事件
全部知识事实 (20)
FLUX采用了DiT（Diffusion Transformer）架构，用纯Transformer替代了传统的U-Net结构
80%已验证扩散Transformer（DiT）是将Transformer架构引入扩散模型的一类生成骨干网络，把带噪图像切成patch并线性嵌入为token序列，用多层Transformer块预测噪声或速度，取代传统扩散模型中的U-Net。
80%已验证扩散模型的反向过程通常使用U-Net或DiT（Diffusion Transformer）架构来预测每一步应去除的噪声量
75%已验证文本条件向量通过交叉注意力机制注入到U-Net去噪网络中，图像空间特征作为Query、文本编码作为Key和Value
65%已验证DiT架构相比早期基于U-Net的扩散模型，在处理长序列视频帧时具有更强的时序一致性
65%已验证U-Net由Ronneberger等人于2015年提出，最初用于医学图像分割任务
65%待验证一个Checkpoint文件通常包含完整的U-Net去噪网络权重，文件大小在2-7GB之间
85%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
85%部分验证反向生成学习一个去噪网络，从纯噪声出发，逐步预测并去除噪声，最终生成清晰样本。
70%待验证传统扩散模型多用U-Net做去噪网络，而DiT用纯Transformer替换U-Net，将图像切分成patch序列输入，通过自注意力建模全局依赖。
60%待验证图像生成领域正在经历从U-Net到Transformer的架构范式转移，传统扩散模型如Stable Diffusion 1.x和2.x主要依赖U-Net编码器-解码器结构
60%待验证DiT 架构用 Transformer 替代传统 U-Net 作为扩散模型骨干网络，能在 Patch 级别捕捉跨帧长程依赖关系
60%待验证U-Net的网络结构由编码器（下采样路径）和解码器（上采样路径）组成，两者之间通过跳跃连接（Skip Connection）传递细粒度特征
60%待验证DiT类架构在参数利用效率上往往高于U-Net，这解释了5亿参数量级仍能保持可观画质。
50%待验证该研究使用通用的U-Net骨干网络，通过像素级对比学习产生了比传统热图回归更具判别力的热图。
50%待验证传统扩散模型多采用U-Net作为去噪网络，而DiT用Transformer替换U-Net，在图像生成任务上取得了优于U-Net的表现。
50%待验证图像分割分为语义分割（如U-Net、DeepLab）和实例分割（如Mask R-CNN）。
50%待验证HiPredict采用U-Net架构学习输入与目标通道之间的非线性时空—光谱关系。
50%待验证U-Net是一种编码器—解码器结构的卷积神经网络，最初用于生物医学图像分割，通过跳跃连接保留精细空间细节。
50%待验证主流的分割API通常基于U-Net或Transformer架构，在去除背景时同时估计边缘的alpha值，而非简单的二值切割。
50%