待验证50% 置信事实精确时间
扩散模型的去噪过程通常需要执行数十到数百次迭代（称为采样步数），每次迭代都需要完整运行一次神经网络的前向传播
1
来源数
50%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
待验证扩散模型在生成图像时通常需要数十到数百个去噪步骤，每一步由U-Net或Transformer网络预测噪声分量83% 相似待验证一致性模型试图将扩散模型多步去噪过程压缩至1-4步完成，理论上可将推理速度提升10-50倍76% 相似已验证扩散模型在推理阶段从随机高斯噪声出发，经数十至数百步迭代去噪得到输出，即便固定随机种子，提示词的细微差异也会导致人脸特征、服装细节的显著偏移73% 相似已验证扩散模型的核心原理分为前向扩散过程（逐步添加高斯噪声）和反向去噪过程（从噪声中还原图像）两个阶段72% 相似部分验证扩散模型受非平衡热力学启发，采用两步训练过程：前向过程逐渐向图像添加高斯噪声直至纯随机噪声，反向过程训练神经网络从纯噪声逐步去噪还原为清晰图像71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/585052API
curl https://kongchang.com/api/v1/knowledge/claims/585052MCP
get_claim(id=585052)