待验证50% 置信事实精确时间
扩散模型的去噪采样过程可被视为一个随机微分方程的解，包含确定性漂移项和随机扩散项。
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
待验证扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统78% 相似待验证扩散模型的技术根基来源于非平衡热力学中的随机过程，分为正向扩散过程和反向去噪过程两个阶段78% 相似待验证2020年后兴起的扩散模型（Diffusion Models）直接建立在随机微分方程与概率流的数学框架之上77% 相似已验证扩散模型通过在海量图像数据上训练，学会了从随机噪声中逐步去噪生成图像的能力77% 相似待验证论文《Finite-Sample Guarantees for Fully Discrete Conditional Diffusion Models》针对从数据中学习、且用有限步数去噪实现的条件扩散模型，建立了有限样本层面的误差保证77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1029106API
curl https://kongchang.com/api/v1/knowledge/claims/1029106MCP
get_claim(id=1029106)