待验证50% 置信解决方案精确时间
RefMod的核心思路是将多张参考图像预处理并统一编码后注入到conditioning中，而非在Hunyuan H3视频生成中直接加载参考图像
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证REF2VA基于参考图像驱动生成，通过提取参考帧的视觉特征来引导视频合成，更接近于image-conditioned generation范式76% 相似待验证大多数基于扩散模型的生成式图像编辑本质上是根据提示词重新生成整张或大部分图像，而非局部修改现有像素73% 相似待验证RefMod将描述同一角色的多张图像连同文本描述打包处理，生成一个可复用的参考模块作为角色身份档案71% 相似待验证从已有图像中反推出能够重新生成该图像的文本描述被称为逆向提示词工程（Reverse Prompt Engineering）71% 相似待验证该工作流支持图像反推模式，用户可放入参考图片，由Qwen2.5 VL-8B的视觉编码器自动反推出结构化提示词并完成图像生成68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/896051API
curl https://kongchang.com/api/v1/knowledge/claims/896051MCP
get_claim(id=896051)