源码剖析：详细解读基于DiT结构的视频生成模型EasyAnimate

Diffusion Models专栏文章汇总：入门与实战

前言：Sora发布半年之后，开源社区也有很多有影响力的工作如Open-Sora、EasyAnimate、Open-Sora-Plan等，这些都复现了Sora里面的经典思想。这篇博客以《EasyAnimate: A High-Performance Long Video Generation Method based on Transformer Architecture》为例，详细解读EasyAnimate的代码，希望对follow Sora的读者有所帮助。

目录

参数量

核心网络结构DiT

3D Patch Embedding

运动层

3D VAE

DataLoader

代码地址

---

参数量

首先来看一下网络的参数量，Open-Sora是1.1B，EasyAnimate没有写，我们先自行计算一下：

import os
from omegaconf import OmegaConf
from