待验证50% 置信事实精确时间
扩散模型的先验是在自然图像上训练的，与叠层成像的复值样品分布存在域差异。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证2023年多项学术研究证实，扩散模型可在特定提示词下近乎逐像素地还原训练集中的图像79% 相似待验证扩散模型通过学习大量人类标注或筛选过的图像，将美压缩为高维空间中的概率分布，用户输入提示词时模型从该分布中采样76% 相似待验证扩散模型（Diffusion Model）每次生成都是独立的随机采样过程，导致同一角色在不同图片中可能出现面部特征、服装细节、体型比例的偏差75% 相似已验证扩散模型在图生图或参考图引导生成时，输入图像的信噪比会直接影响输出结果的细节还原度与风格传递准确性74% 相似待验证PnP-ADMM 使用在大规模自然图像上预训练的扩散模型作为去噪先验时，存在双重分布错配：目标分布错配（自然图像与科学图像统计差异）和 ADMM 中间态分布错配（对偶变量反馈扭曲去噪器输入分布）。73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114798API
curl https://kongchang.com/api/v1/knowledge/claims/1114798MCP
get_claim(id=1114798)