图像创作 · Stable Diffusion&FLUX系列大模型基础
Stable Diffusion相比经典Diffusion model的核心优化是什么？
原题介绍一下Stable Diffusion核心网络结构与训练/推理过程
原题Stable Diffusion中的图生图原理是什么？denoising strength起到什么作用？
原题介绍一下Stable Diffusion中Inpaint和Outpaint的原理
原题介绍一下针对Stable Diffusion的模型融合技术
原题Stable Diffusion中的VAE和原生VAE生成模型的区别是什么？
原题从SD 1.x → SDXL → SD 3 → FLUX.1，VAE在通道数、下采样率、训练目标上的演进路线是怎样的？
原题VAE编码后为什么要乘以scale_factor？SD各版本的 scale_factor是如何确定的？
原题VAE的Latent空间为什么会影响图像生成质量和训练效率？
原题介绍一下Stable Diffusion中自注意力机制和交叉注意力机制的原理
原题为什么 SD U-Net 中 Self-Attention 与 Cross-Attention 主要放在中、低分辨率层？高分辨率层为何以卷积为主？
原题为什么使用U-Net作为Stable Diffusion模型的核心Backbone？
原题U-Net与DiT在Backbone设计哲学上的本质差异是什么？SD系列从U-Net演进到DiT的根本原因是什么？
原题SD Backbone中为什么设计GroupNorm+SiLU+残差连接的组合？
原题Text Encoder和VLM条件编码器在扩散模型中起什么作用？
原题CLIP Text Encoder的Tokens长度限制对长 Prompt的实际影响是什么？工程上如何突破？
原题Prompt中的权重语法（(word:1.2)、[word]等）的实现原理是什么？
原题从 SD 1.x → SDXL → SD 3 → FLUX.1，文本编码器与文本条件注入机制如何演进？这些变化如何影响提示词遵循与生成效果？
原题如何优化Prompt和生成图像不对齐的问题？
原题Stable Diffusion XL的VAE部分有哪些创新？详细分析改进意图
原题Stable Diffusion XL的Backbone部分有哪些创新？详细分析改进意图
原题Stable Diffusion XL的Text Encoder部分有哪些创新？详细分析改进意图
原题Stable Diffusion XL中使用的训练方法有哪些创新点？
原题SDXL 的 micro-conditioning（original_size / crop_top_left / target_size）是什么？为什么是 SDXL 工程化层面最关键的创新之一？
原题训练 Stable Diffusion XL 时为什么要使用 offset Noise？
原题SDXL 的多尺度训练与 Ratio Bucketing 如何协同？
原题尺寸、裁剪、宽高比与 pooled text embedding 如何注入 U-Net？
原题什么是SDXL Refiner？
原题SD 3 的 VAE 部分有哪些创新？详细分析改进意图
原题SD 3的Backbone部分有哪些创新？详细分析改进意图
原题SD 3的Text Encoder部分有哪些创新？详细分析改进意图
原题训练Stable Diffusion 3过程中官方使用了哪些训练技巧？
原题Stable Diffusion 3 中数据标签工程的具体流程是什么样的？
原题Stable Diffusion 3的图像特征和文本特征在训练前缓存策略有哪些优缺点？
原题Classifier-Free Guidance 如何参与 SD 3 训练
原题Stable Diffusion 3.5有哪些改进点？
原题FLUX.1的VAE部分有哪些创新？详细分析改进意图
原题FLUX.1的Backbone部分有哪些创新？详细分析改进意图
原题FLUX.1的Text Encoder部分有哪些创新？详细分析改进意图
原题FLUX.1在训练过程中使用了哪些优化技巧？
原题介绍一下FLUX.1 Lite与FLUX.1的异同
原题此处 Lite 指 Freepik/flux.1-lite-8B-alpha，不是其他同名 FLUX 轻量模型或 F-Lite。
介绍一下FLUX.1 Kontext的原理，有哪些创新点？
原题介绍一下FLUX.1 Krea的原理，有哪些创新点？
原题FLUX.1 Krea如何破除“AI感”
原题FLUX.2相比FLUX.1的整体能力边界发生了哪些变化？
原题FLUX.2的VAE部分有哪些创新？详细分析改进意图
原题FLUX.2的Backbone部分有哪些创新？详细分析改进意图
原题FLUX.2的Text Encoder为什么从CLIP + T5-XXL切换到VLM？
原题FLUX.2如何用四轴RoPE与注意力机制统一文生图和多参考图编辑？
原题
暂无题目