#扩散模型

本篇是论文精读系列的第七篇。AlignedGen在 DiT 架构上实现了风格迁移，它最迷人的地方在于全程没有更新大模型的任何一个参数。在计算资源极其有限的环境下，去卷庞大的数据集或者昂贵的微调是非常吃亏的。这篇论文指明了一条极其高性价比的科研路径：去深度剖析开源模型（如 Flux）底层的注意力矩阵和位置编码。 前置知识

本篇是论文精读系列的第六篇。CharaConsist 是首个针对 T2I DiT 模型的免训练细粒度一致性生成方法，通过点追踪注意力和自适应 Token 融合，解决了大动作幅度下的局部性偏见，实现了精确的前背景解耦控制，具有很高的学术价值。 前置知识与基线 FLUX.1 核心架构 CharaConsist 是首个基于

本篇是论文精读系列的第五篇。StoryDiffusion是非常经典的免训练方法。深入研读其核心公式（如 Vi = \text{CrossAttention}(Vi, \text{concat}(T, Pi), \text{concat}(T, Pi))），理解多张图片在计算注意力张量时是如何沿特定维度拼接的。 前置知识

本篇是论文精读系列的第四篇。IP-Adapter是一个极其轻量且优雅的创新，目前在图像生成领域的实际应用中地位非常核心，因此这篇论文非常有价值，值得去精读。 前置知识基石 LDM IP-Adapter 是构建在预训练的文本到图像扩散模型基础之上的，论文中使用的是 Stable Diffusion v1.5。相较于 DD

本篇是论文精读系列的第三篇。ControlNeXt 的目的是让生成模型更好地融入空间控制信息。文章提出的轻量卷积模块+部分微调技术使得控制信息的注入既轻量，控制力又强；文章使用的“交叉归一化”很好地解决了新增模块时出现的训练崩溃现象。是一篇非常有价值的论文。 前置知识与研究动机 扩散模型基础回顾 LDM 最原始的 DD

本篇是论文精读系列的第二篇。论文《Scalable Diffusion Models with Transformers》证明了在生成模型领域，Transformer 完全可以取代 U-Net，这让计算机视觉和自然语言处理在底层架构上进一步走向了统一。 核心前置理论 隐空间扩散模型（LDM） 原始的 DDPMDDPM是

本文是论文精读系列的第一篇，论文《Denoising Diffusion Probabilistic Models》是图像生成领域中扩散模型的开山之作，也是目前常用的生成模型的根基。本文旨在从具备一定高数、线代、概率论基础，对深度学习基础模型有较多了解的本科生角度出发，全面解读这篇论文，以求对这篇论文的思想、数学原理、