| CPT-004 |
DiT 第一层：把 noised latent 线性嵌入为 T=(I/p)² 个 token，p 为 patch size 超参。 |
Concept
|
|
| CPT-005 |
DiT 所用 VAE 解码器三选一（original/ft-MSE/ft-EMA），encoder 相同可免重训互换。 |
Concept
|
|
| CPT-006 |
在 VAE 隐空间（而非像素空间）训练 diffusion 的两阶段框架；DiT 的模型即 LDM。 |
Concept
|
|
| CPT-007 |
DiT 四种 conditioning 设计之一：以 t/c 嵌入之和回归 γ/β 的自适应 LayerNorm，token 无关。 |
Concept
|
|
| CPT-008 |
LDM 感知压缩段：autoencoder 把像素压成低维感知等价表示 z=E(x)，encoder 以下采样因子 f 缩小空间。 |
Concept
|
|
| CPT-009 |
LDM 通用 cross-attention 条件机制：τ_θ 把任意条件投影为 Key/Value，注入扩散 U-Net。 |
Concept
|
|
| CPT-010 |
DiT 四种 conditioning 设计之一：t/c 嵌入拼成 2-token 序列，block 内 self-attention 后追加 cross-attention 层；token 级交互但算力最贵（+15% Gflops），质量居中、劣于 adaLN-Zero。 |
Concept
|
|
| CPT-011 |
DiT 四种 conditioning 设计之一：t/c 嵌入作为两个额外 token 拼入输入序列，block 零修改；质量最差（FID 35.24）但 Gflops 增量可忽略。 |
Concept
|
|
| CPT-012 |
条件调制机制原始出处：FiLM generator 从条件回归逐特征仿射参数 (γ, β)，对 FiLM-ed 网络中间特征做逐特征仿射调制；adaLN（CPT-007）是该模式在 transformer LayerNorm 上的实例化。 |
Concept
|
|
| DIS-001 |
术语 cross-attention 的双 referent 路由：LDM 通用条件接口（CPT-009）与 DiT block 设计变体（CPT-010）。 |
Disambiguation
|
|