待验证50% 置信事实精确时间
CycleGAN（2017年，Zhu等人）通过引入循环一致性损失约束两个生成器互为逆映射，在不需要成对训练图像的前提下学习跨域风格转换
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
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，通过在预训练扩散模型旁附加一个可训练的编码器分支，接收边缘图、深度图、语义分割图等空间条件信号来控制生成图像的结构布局65% 相似待验证模型采用二元交叉熵损失，对照oracle抽取标签进行端到端训练65% 相似待验证GraphSAGE 学习聚合函数而非固定嵌入，使模型可泛化到训练时未见过的新节点，实现归纳式学习61% 相似待验证ControlNet由Zhang等人于2023年提出，通过复制扩散模型编码器权重并加入零卷积层，使深度图、边缘图、骨骼姿态图等条件信号精确控制生成结果61% 相似待验证部分中国企业采用双栈策略：研发阶段用英伟达GPU，训练好的模型再适配昇腾推理部署60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/987075API
curl https://kongchang.com/api/v1/knowledge/claims/987075MCP
get_claim(id=987075)