讀原文（在新分頁開啟原站）連到 Lilian Weng（部落格）
摘要
介紹了從頭開始構建自定義的 Diffusion Video Models (VDM) 的方法。文章詳述了 DDIM 更新規則、VDM 的 3D U-Net 架構設計，以及 Imagen Video、Make-A-Video 等現有模型的關鍵技術細節，如空間與時間注意力機制、超解析度處理及跨時序注意力。
This article introduces the approach of building custom Diffusion Video Models (VDM) from scratch. It details DDIM update rules, the 3D U-Net architecture, and key techniques from existing models like Imagen Video and Make-A-Video, including spatial-temporal attention, super-resolution, and distill.
重點
- DDIM 更新規則採用 v 預測引數化，有效避免色彩偏移。
- VDM 架構將 2D U-Net 擴充套件為 3D 結構，並加入時間注意力塊捕捉時序一致性。
- Imagen Video 使用 7 個分層模型，透過超解析度與分層蒸餾加速生成。
提到的工具與公司
- DDIM
- 3D U-Net
- CLIP
- T5
適合誰看
學習 AI 模型架構、程式開發或研究生成式 AI 的技術人員。
摘要依據
- 講者
- Lilian Weng
- 依據
- 文章全文
為什麼排在這裡
- 人氣
- 0.75
- 新鮮
- 0.03
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Generating 3D Models with Diffusion - Computerphile影片 ・ Computerphile ・ 16 分鐘（在新分頁開啟原站）
- How diffusion models work - explanation and code!影片 ・ Umar Jamil ・ 21 分鐘（在新分頁開啟原站）
- Coding Stable Diffusion from scratch in PyTorch影片 ・ Umar Jamil ・ 5 小時 4 分（在新分頁開啟原站）
- What are Diffusion Models?文章 ・ Lilian Weng（部落格）
- Stanford CS229 Machine Learning | Spring 2026 | Lecture 11: Diffusion Models影片 ・ Stanford Online ・ 1 小時 23 分（在新分頁開啟原站）
- Lesson 13: Deep Learning Foundations to Stable Diffusion影片 ・ Jeremy Howard ・ 1 小時 46 分（在新分頁開啟原站）
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。讀原文（在新分頁開啟原站）