U-Net

U-Net 是一种对称的编码器-解码器架构，最初由 Ronneberger et al. 于 2015 年提出用于医学图像分割，后被 Stable Diffusion 用作核心噪声预测网络。

架构特点

输入 → [下采样 × N] → [瓶颈层] → [上采样 × N] → 输出
              ↓                      ↑
              └──── 跳跃连接 ────────┘

1. 下采样路径：逐步降低空间尺寸、增加通道数，提取高层语义
2. 上采样路径：逐步恢复空间尺寸
3. 跳跃连接：将下采样特征直接拼接到上采样对应层，保留细节信息

在 Stable Diffusion 中的应用

• 输入：带噪声的潜在表示 + 时间步编码 + 文本条件
• 输出：预测的噪声
• UNet 通常配合交叉注意力机制注入文本条件

相关概念

• 扩散模型
• DDPM