本研究提出了一种有效的超参数调优方法μP，应用于扩散变换器，显著提升了模型的收敛速度和扩展性，尤其在文本到图像生成任务中表现突出，同时降低了调优成本。

本研究提出通过扩散变换器提升图像理解与生成模型的训练效率和生成质量。采用顺序预训练策略，开发的BLIP3-o模型在基准测试中表现优异，并开放源代码和数据集以促进研究。

本研究提出了JointDiT模型，通过扩散变换器增强RGB和深度的联合建模。采用自适应调度权重和不平衡时间步采样策略，JointDiT显著提升了图像生成和深度估计的性能，展现了在多种生成任务中的应用潜力。

本研究提出了一种基于扩散变换器的新方法，有效解决表格数据时间序列生成的问题。实验结果表明，该方法在多个数据集上显著优于以往的研究。

本研究提出了一种新的解耦设计的扩散变换器（DDT），有效解决了训练周期和推理步骤过长的问题。实验结果显示，随着模型规模的增加，编码器性能显著提升，DDT-XL/2在ImageNet上达到了最先进的FID值，并加快了推理速度。

本研究解决了多模态扩散变换器中自注意力层对位置嵌入和查询-键相似性的依赖，提出了一种无训练的图像编辑框架，提升了图像编辑质量并保持了原始语义内容。

本研究提出了BlockDance方法，旨在提高扩散变换器的推理速度。通过重用相邻时间步的相似时空特征，BlockDance在保持生成质量的同时，实现了25%至50%的加速效果。

该研究提出了TIDE框架，增强了扩散变换器（DiTs）在生成模型中的应用，通过稀疏自编码器提取层次特征，提升了重建性能，并展示了良好的图像编辑和风格转换能力。

本研究提出了TaylorSeer方法，以解决扩散变换器的高计算需求问题。该方法通过泰勒级数近似特征高阶导数，显著提升了图像和视频合成的效率，尤其在高加速比下实现了近乎无损的加速效果。

本研究提出DiTAR方法，结合语言模型与扩散变换器，有效解决了生成连续语音的计算负荷与效果问题，显著提高了生成效率，降低了计算需求，并在零样本语音生成中表现优异。

该研究提出了DiffRatio-MoD框架，解决了扩散变换器在资源受限设备上的高延迟和内存低效问题。通过动态计算路由，令牌计算需求可适应性调整，显著提升了生成质量与效率的平衡。实验结果表明，该方法在文本到图像生成和图像修复任务中优于现有技术。

本研究提出PAD框架，通过扩散变换器统一图像预测与机器人动作生成，显著提升机器人控制性能和泛化能力。

本研究提出了跳跃分支（Skip-DiT），旨在提高扩散变换器在图像和视频生成中的效率和特征平滑性。实验结果显示，Skip-DiT的速度提升了1.5倍，性能仅略有下降，为生成质量的改善提供了新方案。

本研究探讨扩散变换器（DiTs）的隐含空间特性，提出编码-识别-操作框架，通过文本提示实现图像的精确语义控制，推动零样本细粒度图像编辑技术的发展。

本研究提出了一种新颖的时空引导扩散变换器概率模型(st-DTPM)，有效解决了双时段PET影像的延迟扫描问题，显著提升了影像预测的准确性。

本研究探讨了扩散变换器（DiT）的模型规模和数据需求，首次确认了DiT的规模定律，展示了预训练损失与计算量的幂律关系。这些定律帮助确定最优模型规模和数据需求，并预测文本到图像生成的损失，为评估模型性能和数据质量提供基准。

本研究提出RoboDual系统，结合通用和专用策略，解决机器人操作系统的泛化和效率问题。通过扩散变换器实现多步执行，提升高层任务理解和离散行动生成，在真实环境中性能提升26.7%。