已验证80% 置信事实时间未知

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

6

来源数

80%

置信度

长期有效

时效性

2026/6/2

首次发现

来源

AI扩图功能详解：一键扩展图片边界

bilibili达内教育

涉及实体

Diffusion Modelconcept

相关事实

待验证扩散模型每次从随机噪声开始去噪，相同文本提示下不同随机种子会导致面部特征、体型、服装等漂移，是角色一致性困难的技术根源79% 相似待验证由于扩散模型每次生成都具有随机性，若缺乏约束，前后镜头中的同一人物可能出现明显差异。77% 相似待验证当自动调优依赖于具有随机性的生成模型时，它可能反而成为不稳定的来源，导致变异性不断增加的恶性循环77% 相似待验证随机性意味着外生噪声不再为零，需要处理概率因果模型；并行交互可能导致因果图出现环路，需要引入均衡概念76% 相似已验证扩散模型的迭代去噪过程对数值误差敏感，每步的微小误差会累积并影响最终图像，采样步数越多量化误差影响越大74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/36825

API

curl https://kongchang.com/api/v1/knowledge/claims/36825

MCP

get_claim(id=36825)