-U-ViT：U-ViT在图像无条件生成、类别条件生成以及文到图生成上均取得了可比或者优于CNN的结果。-DiT...
U-ViT：通常需要较大规模的数据集进行训练，类似于传统的深度学习模型。DiT：通过利用大型预训练模型的知...
该论文设计的U-ViT的核心是结合了ViT和Diffusion的模型架构，从xt，即t步加噪的图像中预测第t步添加的...
最主要的区别应该还是uvit用了skip connection，但是dit没有.skip connection这一点可能导致一些结构设计上...
比 adaln zero的dit收敛快一些. 所以dit里面的结论 in context的setting和cross attention的setting比ada...