其实这篇论文中提出的EEG模型（以后读的论文提出的方法）也不一定会在自己的研究方向中会有很好的结果，但是我觉得更重要的理解去其他思考的方式，也许对自己以后做实验的思路或者灵感来源是挺重要的，当然也可以把这个论文中提出的方法当作是自己的技术储备（这么说不知道合不合适有种拿来主义的感觉但是我觉得作为论文的发表者不就是希望自己的成果被更多人使用和认可吗所以应该问题不大）。这样的转换使得模型关注的焦点从文

其实本篇文章的核心思想和简单，就是冻结Stable Diffusion的参数，只对原Stable Diffusion结构中的CrossAttnDownBlock2D做了更改，由原来的一个TransformerBlock变成了两个（不是串联，可以理解为并联再相加），新加入的TransformerBlock与原本的TransformerBlock不同之处在于输入不同，一个是Text Embedding

这种方法已成为最受下游用户欢迎的方法之一，因为它：a) 与提示相比，将结构与内容分离可对结果进行。

这种方法已成为最受下游用户欢迎的方法之一，因为它：a) 与提示相比，将结构与内容分离可对结果进行。

马尔可夫链定义本身比较简单，它假设某一时刻状态转移的概率只依赖于它的前一个状态。如果用精确的数学定义来描述，则假设我们的序列状态是。