待验证50% 置信事实精确时间
在潜空间扩散模型中，文本提示通过 cross-attention 与图像/视频潜特征交互，每个潜空间 token 作为 query 查询文本 token 的 key/value。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
已验证文本条件向量通过交叉注意力机制注入到U-Net去噪网络中，图像空间特征作为Query、文本编码作为Key和Value73% 相似待验证in-context conditioning 将文本条件与图像 token 拼接成同一序列，省去交叉注意力模块，但会导致序列变长和注意力计算量上升。66% 相似待验证语义缓存使用文本嵌入技术将查询转换为高维向量，通过余弦相似度等距离度量判断查询是否语义接近，GPTCache等开源项目已实现该模式66% 相似待验证空间关系信息在谓词自身的 token 位置上是可识别的，表明关系信息一度存在于模型内部65% 相似待验证开放词汇检测通过引入视觉-语言对齐机制，将类别空间从离散标签扩展到连续的语义空间，其关键技术基础是CLIP模型建立的视觉-文本联合嵌入空间65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1062378API
curl https://kongchang.com/api/v1/knowledge/claims/1062378MCP
get_claim(id=1062378)