待验证50% 置信事实精确时间
Stable Diffusion系列使用KL-regularized VAE，通过正则化约束潜空间的平滑性来缓解误差放大，但不能完全消除放大效应
1
来源数
50%
置信度
长期有效
时效性
2026/8/8
首次发现
来源
相关事实
待验证VAE的损失函数由重建损失（常用MSE或BCE）和KL散度两部分构成，KL散度约束潜在分布接近标准正态分布起正则化作用68% 相似待验证Stability AI开源的Latent Diffusion Model将扩散过程转移到低维潜空间，使计算成本下降一个数量级，催生了Stable Diffusion64% 相似已验证Stable Diffusion performs the denoising diffusion process in a compressed latent space rather than pixel space, significantly reducing computational resource requirements.62% 相似待验证Flow Matching 通过学习连续概率流以更少的推理步骤实现同等质量生成，相比 Diffusion 显著降低延迟60% 相似待验证扩散模型（Diffusion Model）的兴起使Stable Diffusion、Midjourney等工具将图像生成门槛降至消费级硬件可运行水平60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/707121API
curl https://kongchang.com/api/v1/knowledge/claims/707121MCP
get_claim(id=707121)