Architecture DiT

Note de l’auteur : H3-Image reprend l’architecture multimodale de base de H3, y ajoute des composants spécifiques à l’image et réoptimise l’entraînement comme l’inférence. Le résultat est un modèle de génération d’images à part entière. Cet article passe en revue ce qu’il a hérité de H3, ce qui a été retiré et ce qui a…