待验证50% 置信事实精确时间
IC-LoRA 借鉴大语言模型的 In-Context Learning 范式，将参考图像或视频帧作为条件信号，通过跨注意力机制影响目标帧的生成
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证IPAdapter通过轻量级适配网络将参考图视觉特征编码为图像提示嵌入，与文本提示嵌入并行注入扩散模型的交叉注意力层，能捕捉难以用语言描述的视觉信息74% 相似待验证图像条件化方案通常借助CLIP视觉编码器（ViT架构）将参考图映射到与文本嵌入共享的语义空间，再通过交叉注意力（Cross-Attention）机制将视觉特征注入UNet的去噪过程74% 相似待验证参考图嵌入技术栈使用CLIP图像编码器或ArcFace模型将角色参考图编码为高维特征向量，再通过适配层映射到扩散模型条件空间以交叉注意力或特征注入方式施加约束73% 相似待验证参考视频在技术层面充当「结构先验」角色，纹理细节和光照风格由文本提示词和模型自身预训练知识填充72% 相似已验证Ingredients to Video模式将输入图片作为通用视觉参考，AI有更大创作空间；Frames to Video模式将图片理解为视频的起始帧和结束帧，采用关键帧插值思路72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503530API
curl https://kongchang.com/api/v1/knowledge/claims/503530MCP
get_claim(id=503530)