待验证50% 置信事实精确时间

在图像编辑任务中，模型对输入图像加入一定量噪声后再去噪，而非从纯噪声出发

1

来源数

50%

置信度

长期有效

时效性

2026/9/20

首次发现

来源

Qwen Image 2.1 二次编辑必看：改种子避免画面崩坏

涉及实体

Diffusion Modelconcept

相关事实

已验证text-to-image 技术底层通常基于扩散模型（Diffusion Model），通过向噪声图像逐步去噪来生成图像79% 相似待验证扩散模型学会了如何从噪声中重构符合人类视觉经验的图像76% 相似待验证主流图像生成模型基于扩散模型架构，生成一张图像需要执行20-50步去噪迭代75% 相似已验证AI 图像生成中通过视觉编码器（如 CLIP 模型）对输入产品照片进行特征提取，再结合文本提示词通过扩散模型逐步去噪生成目标图像74% 相似待验证参考图上传功能通过图像编码与跨模态对齐技术，将图像编码为高维特征向量，与文字提示词的语义向量共同引导扩散过程的去噪方向73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/937498

API

curl https://kongchang.com/api/v1/knowledge/claims/937498

MCP

get_claim(id=937498)