Unverified50% confidenceFactExact time
扩散模型天然是随机过程而视频要求确定性，两者在数学上存在张力，这是即便最先进模型仍会出现主体变形或场景跳变的根本原因
1
Sources
50%
Confidence
Long-term
Relevance
9/8/2026
First Seen
Sources
Related Entities
Related Claims
Unverified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76% similarVerified当前主流扩散模型的图像生成是从随机噪声经多步去噪还原的不可逆过程，模型不保留像素与语义元素的显式映射，导致无法进行局部修改只能整张重新生成76% similarUnverified扩散模型本质上是对像素分布的学习，缺乏对因果物理过程的建模76% similarVerified扩散模型的核心思路来源于非平衡热力学，训练阶段将清晰图像逐步加入高斯噪声，推理阶段从随机噪声逆向去除噪声还原图像72% similarUnverified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72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/877163API
curl https://kongchang.com/api/v1/knowledge/claims/877163MCP
get_claim(id=877163)