待验证60% 置信事实精确时间
将扩散模型扩展到3D有两种主流策略：Score Distillation Sampling（SDS）和直接在3D数据上训练扩散模型
2
来源数
60%
置信度
长期有效
时效性
2026/8/7
首次发现
来源
相关事实
待验证Google的DreamFusion（2022）利用预训练的2D扩散模型作为先验，通过Score Distillation Sampling（SDS）损失函数优化3D表征，无需任何3D训练数据即可生成三维物体80% 相似待验证张量并行、流水线并行与数据并行是大模型分布式训练的三种基本策略，常组合使用（即 3D 并行）78% 相似待验证2023年多项学术研究证实，扩散模型可在特定提示词下近乎逐像素地还原训练集中的图像69% 相似待验证当模型在3D任务上做后训练时，晚层高层语义通路会被优先重塑，从而覆盖掉原本支撑动态时序推理的表征。68% 相似待验证该数据自由训练方案在二维 φ⁴ 理论中取得了与使用 HMC 参考数据训练的扩散模型相当的性能。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/702347API
curl https://kongchang.com/api/v1/knowledge/claims/702347MCP
get_claim(id=702347)