待验证50% 置信事实精确时间

自 2022 年 Stable Diffusion 开源以来，文本到图像扩散模型的核心架构（U-Net 或 DiT Transformer + CLIP 文本编码器 + 潜空间压缩）已被广泛复现与改进

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

Krea 2 为何受青睐？AI图像工具的差异化解读

涉及实体

Stable Diffusionmodel U-Nettechnology DiT Transformertechnology CLIPtechnology

相关事实

已验证2022年Stable Diffusion和DALL-E 2的发布标志着扩散模型成为图像生成的主流范式75% 相似待验证2022年Stable Diffusion的开源将原本掌握在少数科技巨头手中的图像生成能力民主化,催生了ControlNet、LoRA、DreamBooth等控制和微调技术71% 相似待验证DALL·E 2于2022年发布，转向了扩散模型架构，利用CLIP模型建立文本与图像之间的语义桥梁69% 相似已验证2022年之后，扩散模型在图像生成质量上全面超越了此前统治多年的GAN（生成对抗网络），成为生成式AI的主流范式68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/947638

API

curl https://kongchang.com/api/v1/knowledge/claims/947638

MCP

get_claim(id=947638)