想要更好的阅读体验，欢迎到我的网站阅读：《生成架构篇[1]——Stable Diffusion全系列》。 

生成架构篇[1]——Stable Diffusion全系列

推荐有一定生成模型基础的进行阅读… 起码了解DDPM，Flow Matching，CFG，U-Net，Transformer，VAE，GAN… 

全系列总览




系列
典型骨干与潜表示
文本条件
主要变化




SD1.x
4 通道潜变量 + U-Net
CLIP ViT-L/14
潜空间扩散；U-Net 通过 Cross-Attention 使用文本条件，代表配置采用噪声预测


SD2.x
4 通道潜变量 + U-Net
OpenCLIP ViT-H/14
更换文本编码器并扩展任务；不同 checkpoint 的预测参数化有差异，部分代表版本采用 v-prediction


SDXL
4 通道潜变量 + ...