Mạng residual xem như là loại bỏ nhiễu rời rạc, ghép điểm phù hợp để huấn luyện theo khối, không cần giao tiếp giữa các khối vẫn có thể huấn luyện, áp lực bộ nhớ nhỏ hơn rất nhiều.

DiffusionBlocks sẽ phân chia mạng dựa trên Transformer thành các khối độc lập có thể huấn luyện, xem mạng residual như một bước loại bỏ nhiễu rời rạc, sử dụng phân số phù hợp để thực hiện huấn luyện cấp khối mà không cần giao tiếp giữa các khối, giảm đáng kể bộ nhớ huấn luyện. Thử nghiệm chứng minh hiệu quả trên nhiều kiến trúc, trong giai đoạn suy luận mỗi bước chỉ kích hoạt một khối, 12 lớp DiT (B=3) giảm công suất tính toán xuống một phần ba so với ban đầu. Phương pháp này phù hợp với ViT/DiT/MDM/AR Transformer và các mô hình khác, nhưng yêu cầu đầu vào và đầu ra phù hợp về kích thước, không thể sử dụng cho U-Net.