待验证50% 置信事实精确时间
PixelMoE证明LLM领域成熟的Mixture-of-Experts（MoE）架构可以直接迁移到像素空间扩散模型上，不需要任何扩散专属的路由机制。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证PixelMoE引入了Pixel-Space Hierarchical Flow Matching，让空间分辨率沿去噪轨迹变化：早期阶段用低分辨率大感受野捕捉全局结构，后期阶段用高分辨率精修细节。66% 相似待验证Stable Diffusion基于Latent Diffusion（潜空间扩散）架构，将计算从像素空间转移到压缩后的潜空间，使得消费级GPU也能运行高质量图像生成63% 相似待验证潜在扩散模型将图像生成从像素空间转移到压缩后的潜在空间进行，包含编码器压缩图像、U-Net在潜在空间执行迭代去噪、解码器还原为像素图像三个关键组件62% 相似待验证传统3DGS依赖完整的SfM点云做初始化，无法直接适用于增量式在线场景61% 相似已验证视频扩散模型采用扩散变换器（DiT）架构，通过在时序注意力层引入3D时空注意力机制同时建模空间与时间维度60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026711API
curl https://kongchang.com/api/v1/knowledge/claims/1026711MCP
get_claim(id=1026711)