待验证50% 置信事实精确时间
UNet是当前主流图像生成模型的骨干架构，最初由Ronneberger等人于2015年为医学图像分割提出
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U-Net设计最初来自2015年的医学图像分割领域，后被证明适合图像生成中的噪声预测任务64% 相似待验证商汤科技据悉正在研发多模态图像大模型U1 Pro，内部对标GPT Image 2，主攻设计场景，支持长程生成评审循环并可实现最高8K分辨率输出62% 相似待验证UltraShape 1.0采用端到端的单阶段生成架构，直接从输入图像预测完整的3D资产，省去中间的多视图生成步骤59% 相似待验证该工作流为每个概念触发 3 次独立的图像生成，使用 Nano Banana 2 或 GPT Image 2 模型59% 相似待验证Imagen是Google DeepMind开发的文本到图像生成模型系列，基于扩散模型架构59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/809926API
curl https://kongchang.com/api/v1/knowledge/claims/809926MCP
get_claim(id=809926)