Unverified50% confidenceFactExact time
扩散模型生成过程在浮点数连续空间中运算，只在最终步骤才量化为整数，因此归纳偏置天然倾向于平滑渐变输出而非硬边界
1
Sources
50%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
Unverified扩散模型的归纳偏置天然倾向于平滑、渐变的输出，无法在架构层面强制施加网格约束，即便专门训练的LoRA模型也只能在统计意义上让输出更像像素画75% similarUnverified扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统70% similarUnverifiedDALL·E 2和Stable Diffusion均基于扩散模型原理68% similarVerified扩散模型以 DALL-E 2、Stable Diffusion、Midjourney 为代表，重新定义了图像生成任务68% similarVerifiedStable Diffusion基于潜在扩散模型（Latent Diffusion Model），通过在压缩的潜在空间中进行去噪过程来生成高质量图像68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/527282API
curl https://kongchang.com/api/v1/knowledge/claims/527282MCP
get_claim(id=527282)