待验证50% 置信事实精确时间
Stable Diffusion基于LAION-5B数据集训练，采用U-Net架构作为去噪骨干网络，配合CLIP文本编码器实现文本到图像的语义映射
1
来源数
50%
置信度
长期有效
时效性
2026/8/27
首次发现
来源
涉及实体
相关事实
待验证主流扩散模型通常结合U-Net骨干网络与CLIP文本编码器73% 相似待验证主流文生图模型如Stable Diffusion、Midjourney、DALL-E的底层架构通常是扩散模型与CLIP文本编码器的结合69% 相似已验证Stable Diffusion的文本引导通过CLIP文本编码器将提示词转化为向量68% 相似待验证文本扩散采用掩码扩散（Masked Diffusion）方案，用[MASK]token替代真实token模拟损坏状态，再训练模型恢复原始文本，以块为单位并行输出64% 相似待验证Collapse训练借鉴CBOW完形填空思路，读取名词token前后各5个token的上下文，用余弦相似度直接与井比较预测，无需独立解码器64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/807875API
curl https://kongchang.com/api/v1/knowledge/claims/807875MCP
get_claim(id=807875)