随着Sora的成功发布，视频DiT模型得到了大量的关注和讨论，设计稳定的超大规模神经网络一直是视觉生成领域的研究重点，DiT[1]的成功为图像生成的规模化提供了可能性，然而，由于视频数据的高度结构化与复杂性，如何将DiT扩展到视频生成领域却是一个挑战，来自上海人工智能实验室的研究团队联合其他机构通过...

  近年来，随着扩散模型在生成任务中的广泛应用，它们已经成为了生成式人工智能领域的重要组成部分，从StableDiffusion到Sora，这些模型在生成真实图像和视频方面取得了显著成功，标志着从经典U，Net架构向基于Transformer的扩散主干架构的转变，最新的进展是Lumina，T2X系列模型...

  5月14日，腾讯宣布旗下的混元文生图大模型全面升级并对外开源，目前已在HuggingFace平台及Github上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用，这是业内首个中文原生的DiT架构文生图开源模型，支持中英文双语输入及理解，参数量15亿，升级后的混元文生图大...