NVIDIA Research가 공개한 CVPR 2026 Oral 논문 구현체로, 잠재(latent) 공간이 아닌 픽셀 공간에서 직접 동작하는 디퓨전 트랜스포머(Diffusion Transformer)입니다. 패치 단위로 전역 의미를 학습하는 patch-level DiT와 텍스처 디테일을 복원하는 pixel-level DiT를 결합한 이중 계층 구조를 통해 VAE 인코더/디코더 없이도 고품질 이미지 생성이 가능합니다. 기존 latent diffusion 모델 대비 학습 파이프라인이 단순해지고 디코더 손실에서 자유롭다는 장점이 있어, 차세대 픽셀 네이티브 생성 모델 연구의 레퍼런스로 주목받고 있습니다.