人物Lvmin Zhang
张吕敏
ControlNet的提出者，于2023年发表了条件控制扩散模型方法，对AI图像生成领域产生深远影响
核心事实
时间轴 (近 90 天)
9月10日
ControlNet由斯坦福大学张吕敏开发，最初作为学术论文发布
待验证50%
9月10日
ControlNet由斯坦福大学张吕敏开发
待验证50%
9月9日
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
待验证60%
9月7日
ControlNet由张吕敏于2023年提出，通过在预训练扩散模型上附加额外的条件控制分支，支持边缘线稿、深度图、人体骨骼姿态、语义分割图等多种结构化输入来控制生成图像的构图和空间布局
已验证65%
9月5日
ControlNet 由张吕敏等人于 2023 年提出，通过附加可训练旁路网络注入条件信号而无需修改原始模型权重
待验证50%
全部知识事实 (7)
已验证
ControlNet是2023年由斯坦福大学研究者提出的条件控制网络，在原有扩散模型旁边附加了一个可训练的控制分支
90%已验证ControlNet由斯坦福大学张吕敏于2023年提出，通过提取参考图的骨骼姿态、边缘线条或深度信息作为条件信号控制生成图像布局
70%已验证ControlNet由张吕敏于2023年提出，通过在预训练扩散模型上附加额外的条件控制分支，支持边缘线稿、深度图、人体骨骼姿态、语义分割图等多种结构化输入来控制生成图像的构图和空间布局
65%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
60%待验证ControlNet由斯坦福大学张吕敏开发，最初作为学术论文发布
50%待验证ControlNet由斯坦福大学张吕敏开发
50%待验证ControlNet 由张吕敏等人于 2023 年提出，通过附加可训练旁路网络注入条件信号而无需修改原始模型权重
50%