|
- 为什么 2024 年以后 MMDiT 模块成为了大规模文生视频或者文生图片的主流？ - 知乎
可以看到MM-DiT是优于其它架构的，其中3套参数的MM-DiT（CLIP和T5也区分）略好于2套参数的MM-DiT，最终还是选择参数量更少的2套参数的MM-DiT。 不过，我觉得CrossDiT和DiT也不一定真会比MMDiT要差，你看后面的Flux其实更像是一个DiT了，只有前面少量的层用MMDiT Block。
- DIT的工作内容是什么？ - 知乎
DIT主要工作一般为：保证现场监视质量（一般是校准监视器色彩），摄影机参数的设置（主要是文件名），素材质量监控（焦点，曝光，快门角度等等），现场调色（Livegrade和lut box是标配），qtake系统的搭建，视频信号的分发（通过发射器发射到各个监视器或者ipad等，一般在用qtake时才会用到
- 为什么基于patched attention 的Dit会优于基于conv的unet？
2024年了diffusion还有什么可做的？ 到底什么样的CV工作才是好的工作而不是灌水的烂工作？ 2024年了cv还有什么可以卷的吗？ 当前基于diffusion model的文生图模型有些什么缺陷？ 为什么vae效果不好，但vae+diffusion效果就好了？ 目前有将diffusion model用于文本生成的研究吗？ 2024年大模型LLM还有哪些可研究的
- 为什么现在Dit的推理方法，都不使用TensorRT，而在pytorch上做算子优化以及并行策略呢？ - 知乎
为什么现在Dit的推理方法，都不使用TensorRT，而在pytorch上做算子优化以及并行策略呢？ 目前在Dit相关的推理方法上，有类似tensorrt的框架，可以将模型转换过去，并自动做图优化、算子优化等优化吗？ 显示全部 关注者 42 被浏览
- U-ViT网络结构和DiT架构的不同之处是什么？ - 知乎
DiT因为Sora和SD3普及了一片知识，不用赘述。 U-ViT（U-shaped Vision Transformer）是由开发者baofff构建的一个开源项目，其核心思想是利用Transformer架构进行图像分割，同时结合了传统的U-Net结构。
- 剧组dit？ - 知乎
DIT是英文digital imaging technician的缩写，翻译过来就是数字影像工程师，字面意思理解还不怎么通透对不？那就是粗暴理解就是将拍摄素材进行备份的工作吧，这样也说的过去，但不完全是。DIT除了要负责素材备份以外，还得对拍摄素材进行转码，生成代理文件供现场剪辑师剪接，随着科技的进步
- SDXL、FLUX、Pony 三个模型有什么区别，哪个适合用来做设计？ - 知乎
SDXL、FLUX和Pony三个模型在技术架构、应用场景和性能特点上各有不同，以下是它们的对比分析： 技术架构 SDXL：基于Stable Diffusion架构，属于通用图像生成模型，支持多种风格和高质量图像生成。 FLUX：由Black Forest Labs开发，基于Diffusion Transformer架构，包含三个版本： FLUX 1 Pro：闭源模型，提供最佳
- 各位行业大佬，本人对DIT非常感兴趣，想要学习和参与DIT工作，该怎么下手？ - 知乎
5、面对歧视的抗压能力。 目前影视行业绝大多数人还是认为DIT仅仅是拷素材的，没有充分认识到DIT的重要性，轻视甚至歧视现象依然普遍，所以面对不懂的人不必争论，做好自己的工作，努力学习。
|
|
|