已验证70% 置信事实时间未知

AI扩图每次生成的结果会有所不同，这种随机性源于扩散模型每次从不同的随机噪声出发

4

来源数

70%

置信度

长期有效

时效性

2026/6/2

首次发现

来源

AI扩图功能详解：一键扩展图片边界

bilibili达内教育

涉及实体

Diffusion Modelconcept

相关事实

待验证扩散模型的迭代去噪过程对数值误差敏感，每步的微小误差会累积并影响最终图像，采样步数越多量化误差影响越大74% 相似待验证主体漂移本质上是模型在时序一致性建模上的不足，源于扩散模型每帧去噪引入随机性叠加时序注意力对长程依赖捕获能力有限74% 相似已验证扩散模型通过逐步去噪从随机噪声中还原目标图像或视频帧，通常需要数十步去噪迭代，计算开销极大73% 相似待验证LLM的输出本质上具有随机性，相同的输入在不同调用中可能产生截然不同的结果71% 相似待验证扩散模型的推理是迭代去噪过程，通常需要数十甚至数百个时间步，对数值误差格外敏感71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/36825

API

curl https://kongchang.com/api/v1/knowledge/claims/36825

MCP

get_claim(id=36825)