VER-017
Verification
条件机制核验：Q/K/V 公式（§2.5 Eq. cond_loss）与命题一致，text/class/layout/i2i 四模态有实例，与 DiT adaLN 不同机制不冲突。supported。
| id | VER-017 |
|---|---|
| type | verification |
| claim | CLM-017 |
| result | supported |
| basis | §2.5 条件机制公式（Q/K/V 投影, τ_θ, Eq. cond_loss）+ Fig. conditioning 与命题一致；text/class/layout/i2i 在 §4.3-4.5 均有实例；与 DiT 的 adaLN（CPT-002）是不同注入机制、不冲突 |
| checked | 2026-09-03 |
Checks
- 内部一致性：命题对 cross-attention 机制的描述（Q 来自 UNet 中间 特征 φ_i(z_t)，K/V 来自 τ_θ(y)，Attention=softmax(QK^T/√d)V，密集 i2i 退化为拼接）与 EVI-017 Result / §2.5 公式逐项一致。
- 证据链完整性：EVI-017 observation 精确到 §2.5 + Eq. cond_loss + Fig. conditioning + §4.3–4.5；method 载明四种条件形态（text 用 BERT+transformer、class 用 AdaIN/CA、layout 用语义图、SR/inp 用拼接+ τ≡id）与联合优化（τ_θ 与 ε_θ）。
- scope 匹配：命题限定"注入机制的通用性"（同一注意力形式横跨 稀疏/稠密条件）——未把"跨模态无需任务架构"升级为"任意条件零成本"； τ_θ 需 per-domain 设计的边界在 EVI-017 Caveats 声明。
- 跨来源核对：DiT 用 adaLN-Zero（CPT-002，逐层仿射调制）做 class-conditional 注入，与 LDM 的 cross-attention 是不同注入机制—— 不构成冲突（DiT 替换 backbone 而非条件机制）；CFG 规范源 （SRC-2207.12598）为源桩，无 claim 可比。
Notes
"通用"限于注意力机制层的通用（K/V 来源可换），非"一个 τ_θ 通吃所有 模态"。DiT 侧复用本源 latent 空间但换用 adaLN 做类条件——说明 cross-attention 是 LDM 的可选条件接口，不是 latent diffusion 的必要 条件，这与 CLM-017 的表述（"给 U-Net 加装"）一致，无过度声明。
引用（4）
- CLM-017 LDM 以通用 cross-attention 注入任意条件（τ_θ 投影 y 为 KV，UNet 中间特征为 Q），一个 backbone 承载多模态条件。
- CPT-002 adaLN-Zero
- EVI-017 §2.5 + §4.3–4.5：cross-attention 条件机制与多模态应用（支撑 CLM-017）。
- SRC-2207.12598 Classifier-Free Guidance 提出作（Ho, arXiv 2022）；条件扩散的标准引导做法。