已验证65% 置信发布精确时间
ControlNet由张吕敏于2023年提出，通过在预训练扩散模型上附加额外的条件控制分支，支持边缘线稿、深度图、人体骨骼姿态、语义分割图等多种结构化输入来控制生成图像的构图和空间布局
3
来源数
65%
置信度
长期有效
时效性
2026/9/7
首次发现
来源
涉及实体
相关事实
待验证ControlNet 由张吕敏等人于 2023 年提出，通过附加可训练旁路网络注入条件信号而无需修改原始模型权重77% 相似待验证ControlNet通过引入与主干U-Net并联的可训练副本，将姿态骨架图、深度图等结构化控制信号注入生成过程，但对面部特征的精确复现能力有限75% 相似待验证原生多模态预训练在统一token空间中对图像patch和文本token进行联合自回归训练，使模型在权重层面形成跨模态语义绑定68% 相似待验证预训练+微调范式源自NLP和计算机视觉领域，其核心是大规模数据预训练学到通用底层特征，下游任务用少量标注数据适配66% 相似待验证以LayoutLM系列为代表的多模态预训练模型将视觉、文本、位置信息联合建模，推进了文档理解领域能力边界66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/870462API
curl https://kongchang.com/api/v1/knowledge/claims/870462MCP
get_claim(id=870462)