扩散模型的基本原理?DiT 是什么?
一句话速记:
Diffusion
同章节的其他八股
LLaVA 类多模态大模型的结构和训练流程?
CLIP 是怎么训练的?
ViT 的原理?图像 token 数怎么计算?
BLIP-2 的 Q-Former 是什么?
Qwen-VL 系列有哪些关键设计?M-RoPE 是什么?
Flow Matching 和扩散模型有什么关系?
Stable Diffusion 的结构?