待验证50% 置信事实精确时间
基础模型（Checkpoint）决定整体画风和语义理解能力，通常体积最大；VAE负责将潜空间数据解码成可见图像，直接影响成图色彩与细节，若与基础模型不匹配画面容易灰暗或色偏；LoRA是小体积微调权重，用于叠加特定角色、风格或动作，占用显存小、切换灵活。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
秋叶ComfyUI整合包：开源图生视频模型本地部署全解析
bilibiliComfyui部署教程2026/10/15
涉及实体
相关事实
待验证离散tokenization方案通常依赖VQ-VAE或VQ-GAN等量化编码器，会在图像生成过程中牺牲视觉保真度70% 相似待验证当VAE与模型不匹配或VAE本身存在缺陷时，图像从潜空间解码回像素空间的过程中容易在低对比度大面积区域产生规律性方块伪影67% 相似待验证对所有线性层做LoRA意味着注意力层的Q/K/V/O投影和前馈层的上下投影都被注入适配器，覆盖面较广，表达能力强，但也更容易把训练数据里的风格特征整体学进去。65% 相似待验证VAE（变分自编码器）负责潜在空间与像素空间之间的编解码，不同的VAE会影响画面的色彩饱和度和细节表现64% 相似待验证实验揭示模型早期层由感知基元主导，主要处理颜色、形状、纹理等低级视觉特征64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1035402API
curl https://kongchang.com/api/v1/knowledge/claims/1035402MCP
get_claim(id=1035402)