待验证50% 置信事实精确时间
通过对图像像素或特征空间做局部本征维数估计（如基于最近邻距离的MLE估计），可得到每张图像的内在维度标量，不同模型因训练目标、微调数据和架构差异会呈现可区分的统计特性。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
涉及实体
相关事实
待验证AI生成图像在局部区域往往呈现训练数据的统计均值化特征，如纹理过于均匀、重复元素间距过于规整75% 相似待验证网格识别需同时估计网格间距和相位偏移两个参数，因AI生成图像的隐含网格常存在全局偏移、轻微旋转和局部混乱72% 相似待验证感知损失利用预训练的VGG网络提取图像的高级特征表示,在特征空间而非像素空间计算生成图像与目标图像的差距72% 相似待验证投影层通过可训练的多层感知机或线性映射，将视觉特征向量对齐到语言模型的token嵌入空间。70% 相似待验证现代行人重识别方法以深度度量学习为主流，通过三元组损失或对比损失训练孪生网络，将同一目标的不同图像映射至特征空间中相近位置69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1106350API
curl https://kongchang.com/api/v1/knowledge/claims/1106350MCP
get_claim(id=1106350)