双层级架构

PixelDiT：用于图像生成的像素扩散 Transformer

PixelDiT: Pixel Diffusion Transformers for Image Generation

去掉预训练自编码器、直接在像素空间做扩散，并用 patch 级 + pixel 级双层级 DiT 兼顾全局语义与纹理细节，为做图像生成的人提供了一条避免有损重建与误差累积的单阶段端到端路线，可直接迁移到高分辨率文生图训练。