已过期60% 置信事实精确时间
ControlNet通过将预训练扩散模型的编码器复制一份作为可训练副本，通过零卷积层与原模型连接，在不破坏原模型能力的前提下注入空间条件信息
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/9/30(已过期)
来源
Stable Diffusion本地部署教程：零成本搭建AI绘画环境
bilibiliAIGC高手2026/5/22
相关事实
待验证ControlNet通过零卷积层将预训练的Stable Diffusion与条件分支连接，允许通过额外条件输入精确控制生成结果80% 相似待验证ControlNet由张吕敏等人于2023年提出，通过在预训练扩散模型旁附加一个可训练的编码器分支，接收边缘图、深度图、语义分割图等空间条件信号来控制生成图像的结构布局75% 相似待验证端侧推理采用'数据不动模型动'范式，预训练模型下载到设备本地，推理在设备NPU或GPU上完成，输入数据保留在安全沙箱内73% 相似待验证编排框架在不重新训练模型的前提下，通过在模型外部搭建感知-记忆-行动增强层来扩展模型实用边界72% 相似待验证调试模型不收敛的系统化流程是先在极小数据子集上验证模型能否过拟合，如果连小数据都无法过拟合说明模型或训练代码存在bug72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/52949API
curl https://kongchang.com/api/v1/knowledge/claims/52949MCP
get_claim(id=52949)