已验证65% 置信事实精确时间
文本条件向量通过交叉注意力机制注入到U-Net去噪网络中，图像空间特征作为Query、文本编码作为Key和Value
3
来源数
65%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
已验证在扩散模型去噪过程中，文本Prompt通过交叉注意力机制（Cross-Attention）引导生成方向，每个关键词在注意力层中竞争权重76% 相似待验证in-context conditioning 将文本条件与图像 token 拼接成同一序列，省去交叉注意力模块，但会导致序列变长和注意力计算量上升。69% 相似待验证文本编码器负责将提示词字符串转换为模型可读的向量表示（conditioning），是连接文字描述与图像生成的核心桥梁69% 相似待验证开放词汇检测通过引入视觉-语言对齐机制，将类别空间从离散标签扩展到连续的语义空间，其关键技术基础是CLIP模型建立的视觉-文本联合嵌入空间68% 相似待验证大语言模型通过注意力机制（Attention Mechanism）对上下文窗口内所有token同时计算相关性权重，而非像人类一样逐步阅读和筛选资料68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/693258API
curl https://kongchang.com/api/v1/knowledge/claims/693258MCP
get_claim(id=693258)