Qihoo-T2X

高效DiT架构，让文本生成图像/视频更快更省算力

Qihoo-T2X 是一个基于高效 DiT（Diffusion Transformer）架构的文本到任意内容（text2any）生成项目，由奇虎360团队开发，相关论文被 ICLR 2025 接收。它旨在解决传统扩散模型在生成高分辨率图像时计算开销大、推理速度慢的问题，通过优化 DiT 的注意力机制和网络结构，在保持生成质量的同时显著提升训练和推理效率。项目支持文本到图像、文本到视频等多种生成任务，提供简洁的模型定义和训练脚本，便于研究者复现和二次开发。其核心能力包括高效的特征提取、灵活的跨模态条件注入，以及可扩展的架构设计，适合作为高效生成模型的研究基线和工业落地的参考实现。