待验证50% 置信事实精确时间

扩散模型通过学习大量人类标注或筛选过的图像，将美压缩为高维空间中的概率分布，用户输入提示词时模型从该分布中采样

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

机器时代，谁来定义美？一条推文引发的思考

涉及实体

扩散模型technology

相关事实

已验证扩散模型是一种通过学习逐步去噪过程来生成图像的深度学习架构，训练数据规模通常达到数十亿张图片级别76% 相似已验证扩散模型通过在海量图像数据上训练，学会了从随机噪声中逐步去噪生成图像的能力74% 相似待验证扩散模型通过海量图文对学习'文本提示→图像'的映射关系72% 相似待验证引导式生成模型利用深度生成模型的表达能力自动学习最优提议分布，解决传统重要性采样中人工设计提议分布的难题71% 相似已验证扩散模型在图生图或参考图引导生成时，输入图像的信噪比会直接影响输出结果的细节还原度与风格传递准确性71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/997852

API

curl https://kongchang.com/api/v1/knowledge/claims/997852

MCP

get_claim(id=997852)