学术干货｜DDT：解耦扩散Transformer实现高效高质量图像生成扩散模型（Diffusion Models）作为当前生成式AI领域最具影响力的技术范式之一，自2020年提出以来便以惊人的速度发展演进。与传统的生成对抗网络（GAN）和自回归模型（AR）相比，扩散模型在生成质量、多样性和训练稳定性方面展现出显著优势，已成为图像生成、视频合成、3D建模等任务的主流选择。 然而，扩散模型也面临着严峻的计算效率挑战。以经典的DDPM（Denoising Diffusion Probabilistic Models）为例，模型需要在推理阶段执行多达数百甚至上千步的去噪迭代，每次迭