待验证50% 置信事实精确时间
扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统
1
来源数
50%
置信度
长期有效
时效性
2026/8/14
首次发现
来源
相关事实
已验证Stable Diffusion基于潜在扩散模型（Latent Diffusion Model），通过在压缩的潜在空间中进行去噪过程来生成高质量图像76% 相似待验证2020年后兴起的扩散模型（Diffusion Models）直接建立在随机微分方程与概率流的数学框架之上76% 相似待验证扩散模型的核心数学逻辑基于随机微分方程（SDE）和去噪得分匹配（Denoising Score Matching），通过U-Net或DiT等网络结构经过数十至数百步迭代采样生成图像75% 相似待验证DALL·E 2和Stable Diffusion均基于扩散模型原理75% 相似已验证扩散模型以 DALL-E 2、Stable Diffusion、Midjourney 为代表，重新定义了图像生成任务73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/748166API
curl https://kongchang.com/api/v1/knowledge/claims/748166MCP
get_claim(id=748166)