Diffusion Model
核心事实
时间轴 (近 90 天)
扩散模型（Diffusion Model）的成熟使虚拟试衣图像融合的自然度大幅提升，可模拟衣物的光影、褶皱和遮挡关系
代码生成路径相较于扩散模型的优势在于输出更清晰、可编辑，且显存消耗主要集中在语言模型推理阶段而非图像生成阶段
将生成与编辑统一进单一权重通常有基于扩散模型的条件生成框架和借鉴指令微调范式两种技术路径
T2V技术路线多采用扩散模型与Transformer架构的结合
文章推断种子导致的崩坏源于采样过程本身的数值冲突，与训练数据无关
在图像编辑任务中，模型对输入图像加入一定量噪声后再去噪，而非从纯噪声出发
扩散模型每生成一帧都需要数十甚至上百次前向推理
扩散模型方案能比早期固定滤镜更灵活地处理多样化输入，但对输入照片质量和正脸角度较敏感
人脸特征映射到猫咪形象在技术上通常依赖图像风格迁移或基于扩散模型的条件生成方法
AI视频的转场难题源于模型自回归生成方式，每个视频片段独立采样生成缺乏跨片段时序一致性约束
还有 26 条时间轴事件
全部知识事实 (20)
扩散模型相比GAN训练更稳定、生成多样性更强，且不易出现模式崩溃问题
90%已验证扩散模型受非平衡热力学启发，采用两步训练过程：前向过程逐渐向图像添加高斯噪声直至纯随机噪声，反向过程训练神经网络从纯噪声逐步去噪还原为清晰图像
80%已验证图像生成模型的输出随机性本质上来源于扩散过程的初始噪声采样，Seed（随机数种子）控制初始噪声
80%已验证AI扩图每次生成的结果会有所不同，这种随机性源于扩散模型每次从不同的随机噪声出发
80%已验证当前主流 AI 图像生成模型大多基于扩散模型（Diffusion Model）架构
80%已验证AI视频生成技术经历了从GAN（生成对抗网络）到扩散模型（Diffusion Model）的范式转变
80%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
80%已验证即梦（Jimeng）是字节跳动推出的AI图像和视频生成平台，其图片生成能力基于扩散模型（Diffusion Model）技术
80%已验证与GANs相比，扩散模型训练更稳定、生成多样性更高、更易与文本条件整合
80%已验证Qwen的图像生成能力基于扩散模型（Diffusion Model）技术
80%已验证AI大模型公司每一次用户查询都需要消耗大量GPU算力进行推理，这是随用量线性增长的可变成本而非固定成本
75%已验证AI视频的转场难题源于模型自回归生成方式，每个视频片段独立采样生成缺乏跨片段时序一致性约束
65%已验证多阶段级联生成架构（Cascaded Diffusion Model）先在低分辨率生成整体构图，再通过超分辨率网络逐步放大补充高频细节
65%已验证Scalar动作迁移通过参考已有动作视频生成角色动态，其原理通常涉及骨骼姿态序列提取
65%已验证扩散模型在推理阶段从随机高斯噪声出发，经数十至数百步迭代去噪得到输出，即便固定随机种子，提示词的细微差异也会导致人脸特征、服装细节的显著偏移
65%已验证视频到视频引导生成范式的核心思想源于扩散模型的条件生成机制，在去噪过程中引入额外视觉条件信号约束生成方向
65%已验证视频扩散模型采用扩散变换器（DiT）架构，通过在时序注意力层引入3D时空注意力机制同时建模空间与时间维度
65%已验证扩散模型在生成图像时本质上是在高维潜空间（Latent Space）中进行去噪采样，缺乏多角度约束时同一角色在不同帧中的特征易产生语义漂移
65%已验证AI 图像生成中通过视觉编码器（如 CLIP 模型）对输入产品照片进行特征提取，再结合文本提示词通过扩散模型逐步去噪生成目标图像
65%待验证当前AI生图工具的技术基础主要依赖扩散模型（Diffusion Model），与早期的GAN相比，在细节还原和风格一致性上有显著优势
90%