已验证65% 置信事实精确时间
文本条件向量通过交叉注意力机制注入到U-Net去噪网络中，图像空间特征作为Query、文本编码作为Key和Value
3
来源数
65%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
已验证在扩散模型去噪过程中，文本Prompt通过交叉注意力机制（Cross-Attention）引导生成方向，每个关键词在注意力层中竞争权重76% 相似待验证在潜空间扩散模型中，文本提示通过 cross-attention 与图像/视频潜特征交互，每个潜空间 token 作为 query 查询文本 token 的 key/value。73% 相似待验证cross-encoder把输入文本和候选标签拼接后一起送入模型，让注意力机制在文本与标签之间充分交互。69% 相似待验证in-context conditioning 将文本条件与图像 token 拼接成同一序列，省去交叉注意力模块，但会导致序列变长和注意力计算量上升。69% 相似待验证文本编码器负责将提示词字符串转换为模型可读的向量表示（conditioning），是连接文字描述与图像生成的核心桥梁69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/693258API
curl https://kongchang.com/api/v1/knowledge/claims/693258MCP
get_claim(id=693258)