Unverified50% confidenceFactExact time
Stable Diffusion 模型由变分自编码器（VAE）、U-Net 架构的噪声预测网络和基于 CLIP 的文本编码器三个关键组件构成
1
Sources
50%
Confidence
Long-term
Relevance
9/10/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedStable Diffusion 基于去噪扩散概率模型（DDPM）理论，将扩散过程从像素空间转移到低维潜在空间，由VAE负责编解码，CLIP模型将文本提示编码为语义向量75% similarVerifiedFlow Matching通过学习确定性速度场将噪声分布连续映射到数据分布，Stable Diffusion 3和Flux均采用此框架71% 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71% similarVerifiedStable Diffusion是开源模型，可以本地部署，支持LoRA微调、ControlNet精确控制等高级功能70% similarVerified主流扩散模型（Diffusion Model）代表性产品包括Stable Diffusion、DALL-E 2早期版本、Midjourney，其工作原理是在训练阶段向图像逐步添加高斯噪声，再训练神经网络学习去噪的逆过程70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/891488API
curl https://kongchang.com/api/v1/knowledge/claims/891488MCP
get_claim(id=891488)