第 5 章讲师手册
用途：把第 5 章 3 节课讲顺，控制节奏，知道哪里停、哪里追问。
原则：讲演进动机、架构差异和选型，不做代码复现。
1. 授课对象与前置
对象：
- 已学完 SD1.x 架构；
- 知道 UNet/Cross-Attn/CFG；
- 准备面试，需要讲清 SDXL/SD3/对比。
前置：
- 第 3–4 章；
- 会画 SD 数据流；
- 知道 CLIP/Cross-Attn。
不需要：
- 训练过 SDXL/SD3；
- 复现 DALL·E 2；
- 跑过 GAN。
2. 三节课总览
| 课次 |
主题 |
核心产出 |
对应材料 |
| 第 1 课 |
SDXL |
四项改动 + base/refiner |
5.1 |
| 第 2 课 |
SD3 |
MMDiT + Flow + T5/VAE |
5.2 |
| 第 3 课 |
三路线对比 |
LDM/unCLIP/GAN + 选型 |
5.3 |
3. 第 1 课：SDXL
3.1 时间安排（90 分钟）
| 时间 |
环节 |
内容 |
| 0–5 |
开场 |
为什么需要 SDXL |
| 5–25 |
文本/UNet |
双编码器、更大 UNet |
| 25–45 |
条件 |
micro-conditioning |
| 45–60 |
两阶段 |
base + refiner |
| 60–75 |
对比 |
SD1.5 vs SDXL |
| 75–85 |
面试 |
90 秒 A10 |
| 85–90 |
小结 |
作业 |
3.2 板书布局
左侧：双文本编码器
中间：micro-conditioning（原尺寸/裁剪/目标）
右侧：base → refiner → decode
底部：四项改动表
3.3 关键提问
- SDXL 只是更大吗？
- micro-conditioning 解决什么？
- refiner 必须吗？
- SDXL 解决 77 token 了吗？
3.4 常见卡点
| 卡点 |
处理 |
| 只说“更大” |
列四项 |
| 忽略 micro-conditioning |
讲裁剪偏差 |
| 认为 refiner 必须 |
讲可选/代价 |
| 说解决 77 token |
强调没有 |
4. 第 2 课：SD3
4.1 时间安排（90 分钟）
| 时间 |
环节 |
内容 |
| 0–5 |
开场 |
从 UNet 到 Transformer |
| 5–25 |
MMDiT |
token 流、联合 attention |
| 25–45 |
Flow |
插值、速度、loss、Euler |
| 45–60 |
文本/VAE |
T5、16ch VAE |
| 60–75 |
对比 |
SDXL vs SD3 |
| 75–85 |
面试 |
90 秒 A11 |
| 85–90 |
小结 |
作业 |
4.2 板书布局
左侧：文本/图像 token → 联合 attention
中间：x_t=(1-t)x0+tε, v=ε-x0
右侧：T5 + 16ch VAE
底部：SDXL → SD3 演进
4.3 关键提问
- MMDiT 和 cross-attn 的区别？
- Flow 是 Diffusion 吗？
- 为什么能少步？
- 为什么加 T5？
- 16ch VAE 的代价？
4.4 常见卡点
| 卡点 |
处理 |
| 说 SD3 还用 UNet |
强调 MMDiT |
| 把 Flow 当 sampler |
讲训练目标/路径 |
| 说 MMDiT 只是更大 |
讲联合/双向 |
| 认为 Flow 一定 1 步 |
讲 1–8 步 |
5. 第 3 课：三路线对比
5.1 时间安排（90 分钟）
| 时间 |
环节 |
内容 |
| 0–5 |
开场 |
三条路线 |
| 5–25 |
LDM |
SD 数据流 |
| 25–45 |
unCLIP |
prior + decoder + 超分 |
| 45–60 |
GAN |
对抗、一步、模式坍塌 |
| 60–75 |
对比/选型 |
表格 + 场景 |
| 75–85 |
面试 |
90 秒 A7/D6 |
| 85–90 |
小结 |
作业 |
5.2 板书布局
左侧：SD（VAE→UNet→VAE）
中间：DALL·E 2（text→prior→image emb→decoder）
右侧：GAN（z→G→x；D）
底部：选型表（开放/控制/速度/质量）
5.3 关键提问
- DALL·E 2 为什么需要 prior？
- SD 为什么不需要？
- 两者共同点？
- GAN 还有什么价值？
- 怎么选？
5.4 常见卡点
| 卡点 |
处理 |
| 说 DALL·E 2 是 LDM |
画 unCLIP |
| 忽略 prior |
讲模态 gap |
| 说 GAN 过时 |
讲实时/特定域 |
| 只比开源/闭源 |
比条件路径/控制 |
6. 教学节奏控制
基础弱
- 先画三路线，再讲细节；
- SDXL 只讲四项；
- SD3 只讲 MMDiT/Flow/T5；
- 对比用表格。
基础好
- 加问 micro-conditioning 的消融；
- 加问 Flow 的 logit-normal 采样；
- 加问 DALL·E 2 的超分；
- 加问 GAN 混合方案。
时间不够
优先级：
- SDXL 四项；
- SD3 MMDiT/Flow；
- LDM vs unCLIP；
- GAN 只讲结论。
7. 课堂禁忌
- ❌ 不要训练 SDXL/SD3；
- ❌ 不要复现 DALL·E 2；
- ❌ 不要跑 GAN；
- ❌ 不要只背参数；
- ❌ 不要忽略“为什么改”。
8. 课前检查清单
- [ ] SDXL 四项表；
- [ ] MMDiT 图；
- [ ] Flow 公式；
- [ ] LDM/unCLIP/GAN 三路线图；
- [ ] 90 秒答案；
- [ ] 选型表。
9. 相关材料