CVPR 2025 论文解读：DiC —— 重新思考扩散模型中的 Conv3×3 设计

CVPR 2025 论文解读：DiC —— 重新思考扩散模型中的 Conv3×3 设计

论文标题：DiC: Rethinking Conv3x3 Designs in Diffusion Models
作者：Yuchuan Tian, Jing Han, Chengcheng Wang, Yuchen Liang, Chao Xu, Hanting Chen
会议：CVPR 2025 Poster Session
论文链接：CVPR OpenAccess PDF | Arxiv

🧭 一、研究背景

过去三年，扩散模型（Diffusion Models, DMs）成为图像生成的核心技术，从 DDPM、DDIM 到 Stable Diffusion、Imagen，其核心架构也在不断演进。

• 早期主流架构：基于 U-Net 的卷积神经网络（ConvNet），以 3×3 卷积为核心。优点是实现简单、推理速度快，但在表达长程依赖时有不足。
• 近期趋势：越来越多研究转向 Transformer 架构（如