导读
DiT以处理潜空间图块的Transformer替代常见U-Net骨干，并检验计算规模与生成质量的关系，为后来的生成模型架构提供关键比较点。
查看大图 ↗图1：类别条件DiT模型生成的图像样例。 来源为v2，图像版本与论文首次公开日分别记录。
Peebles, William; Xie, Saining · original paper / arXiv · 原论文图文与所引作品权利归各自权利人；研究引用不代表开放授权，转载权利待独立复核。
资料出处 · Scalable Diffusion Models with Transformers ↗档案研究说明
DiT以处理潜空间图块的Transformer替代常见U-Net骨干，并检验计算规模与生成质量的关系，为后来的生成模型架构提供关键比较点。
ANTI-AI ARCHIVE · 修订 2026-10-03
论文研究了什么
Peebles与Xie改变的是扩散网络的骨干：图像潜变量被分成图块，交给Transformer处理。论文比较深度、宽度和输入图块数量，并以类别条件ImageNet生成实验分析计算量与FID之间的关系。
本节依据: DiT：可扩展的扩散Transformer
与生成艺术史的关系
编者解释：它补上了从扩散方法到可扩展视觉模型之间的架构环节。与PixArt及SD3并读，可以把语言条件、网络结构和训练规模分别追踪，而非用一个产品名概括所有变化。
本节依据: DiT：可扩展的扩散Transformer
阅读边界与版本
2022年是预印本公开年；类别条件图像基准不能直接证明文本理解能力或作品的艺术价值。
本节依据: DiT：可扩展的扩散Transformer
正文引用资料
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
DiT：对照REPA：以表征对齐改善生成模型训练的方法、控制或评价条件。
DiT：对照VAR：通过下一尺度预测进行视觉自回归生成的方法、控制或评价条件。
DiT：对照PixArt-α的方法、控制或评价条件。
DiT：对照Stable Diffusion 3的方法、控制或评价条件。
日期与版本记录
节点标注日期：2022-12-19 · 来源记录的历史日期：2022-12-19
时间线采用arXiv首次公开日，不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v2；该版日期见原文版本记录。
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Scalable Diffusion Models with Transformers
https://arxiv.org/abs/2212.09748
当前引用地址
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
出处、翻译与核验状态
档案节点 #207 · 研究论文首次公开；方法、评估与制作条件
研究资料与补充出处 · 1
2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 · 009
原记日期: 2022-12-19
DiT：可扩展的扩散Transformer ↗
Scalable Diffusion Models with Transformers
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
已按条目所列范围核读官方资料；核读范围与待复核事项见来源说明。
引用本节点
ANTI-AI ARCHIVE. DiT：可扩展的扩散Transformer. 艺术史节点 #207. https://salondesrefuses.cn/zh/art-history/332
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。