DiT

论文：Scalable Diffusion Models with Transformers (ICCV 2023, Oral)

DiT的论文细节可以读原论文，推荐知乎：扩散模型解读 (一)：DiT 详细解读，那么在 transformer 替换 Unet中，有个核心的改动，就是 adaLN。

即以下的DiT Block with adaLN-Zero

首先，Dit 基本沿用了 transformer 的一般结构，即 transformer 就是 input -> layer_norm -> multi-head-att -> layer_norm -> feedforward 结构，但是由于 DiT 是用于扩散模型，所以会涉及到 timestep 和 label 的输入，所以这块需要考虑如何把这两个信息进行融合到 transformer 里面来。

常见的几种信息融合的办法

简单总结一下几种常见的信息融合的办法：

• concat 或者 add：fused = torch.cat([vector_a, vector_b], dim=1)
• attention 加权或者 cross-att：一个序列作为Query，另一个作为Key/Value。

attention_weights = torch.softmax(torch.matmul(vector_a, vector_b.T), dim=-1)
fused = torch.matmul(attention_weights, vector_b)

• 门控（Gated Fusion）

gate * transformed + (1 - gate) * a

• 条件归一化（Conditional Normalization）

那么，DiT 这篇论文经过实验，验证了 adaLN 这种方式最好，具体 adaLN 是啥呢？我们来看一下

Layer Normalization 和 Adaptive Layer Normalization

参考自：https://zhuanlan.zhihu.com/p/698014972

More

值得注意的是，Dit 这个任务是根据分类lable重建图像，所以使用的 adaLN 机制，其实后续一些如果有 text context作为control信息时，为了效果更好可能还是要使用 cross-attention 的方式来提高效果。

更具体地，两者的差别可以大致总结如下：

推荐关注

笔者是AI行业算法资深从业者，日常分享AI算法和技术实践、趋势，干货多多，欢迎关注 wechat 公众号 Jae.Log