多模态 · 生成¶

覆盖图像与视频生成背后的扩散模型、Flow Matching 生成范式，以及视频生成在时序一致性和计算成本上引入的额外问题。

章节¶

flowchart LR
    D[扩散模型 / Flow Matching<br/>与图像生成] --> V[视频生成模型]

视频生成复用图像生成的扩散/流匹配训练目标与 Diffusion Transformer 骨干，只是把空间 patch 扩展为时空 patch；理解第七章的生成原理是理解第八章时序扩展的前提。