已验证65% 置信事实精确时间
主流扩散模型（Diffusion Model）代表性产品包括Stable Diffusion、DALL-E 2早期版本、Midjourney，其工作原理是在训练阶段向图像逐步添加高斯噪声，再训练神经网络学习去噪的逆过程
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/3
首次发现
有效期至：2026/10/1
来源
GPT Image 2实测：文字排版与角色拆解能力深度评测
bilibili生诚灿莞xjvy2026/6/29
相关事实
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83% 相似已验证扩散模型的核心思路来源于非平衡热力学，训练阶段将清晰图像逐步加入高斯噪声，推理阶段从随机噪声逆向去除噪声还原图像81% 相似待验证扩散模型的训练过程分为正向扩散与逆向去噪两个阶段，逆向阶段通常使用U-Net架构从噪声中恢复图像80% 相似已验证扩散模型通过逐步添加高斯噪声再训练模型学习逆向去噪的马尔可夫链机制，规避了对抗训练的不稳定性79% 相似已验证扩散模型通过在海量图像数据上训练，学会了从随机噪声中逐步去噪生成图像的能力77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/62050API
curl https://kongchang.com/api/v1/knowledge/claims/62050MCP
get_claim(id=62050)