А вот так выглядит сама архитектура скрытой диффузии...

А вот так выглядит сама архитектура скрытой диффузии на трансформерах (DiT) из предыдущего поста.

Все довольно простенько. Кондишенинг (time embedding, любые текстовые сигналы или лейблы классов для условной генерации) проталкивается с помощью adaptive layer normalization.

@ai_newz