<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Stable Diffusion on Answer</title>
    <link>https://answer.freetools.me/tags/stable-diffusion/</link>
    <description>Recent content in Stable Diffusion on Answer</description>
    <generator>Hugo -- 0.152.2</generator>
    <language>zh-cn</language>
    <lastBuildDate>Mon, 09 Mar 2026 08:34:06 +0800</lastBuildDate>
    <atom:link href="https://answer.freetools.me/tags/stable-diffusion/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>扩散模型如何从噪声中还原图像：从DDPM到Stable Diffusion的技术演进</title>
      <link>https://answer.freetools.me/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E4%BB%8E%E5%99%AA%E5%A3%B0%E4%B8%AD%E8%BF%98%E5%8E%9F%E5%9B%BE%E5%83%8F%E4%BB%8Eddpm%E5%88%B0stable-diffusion%E7%9A%84%E6%8A%80%E6%9C%AF%E6%BC%94%E8%BF%9B/</link>
      <pubDate>Mon, 09 Mar 2026 08:34:06 +0800</pubDate>
      <guid>https://answer.freetools.me/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E4%BB%8E%E5%99%AA%E5%A3%B0%E4%B8%AD%E8%BF%98%E5%8E%9F%E5%9B%BE%E5%83%8F%E4%BB%8Eddpm%E5%88%B0stable-diffusion%E7%9A%84%E6%8A%80%E6%9C%AF%E6%BC%94%E8%BF%9B/</guid>
      <description>深入解析扩散模型的核心原理与技术演进。从前向扩散的马尔可夫链到逆向去噪的神经网络学习，系统阐述DDPM的数学基础。涵盖Latent Diffusion如何将计算压缩到潜在空间、Classifier-Free Guidance的条件生成机制、DDIM的采样加速原理，以及从U-Net到DiT的架构演进。包含完整数学推导、与GAN的对比分析、FID/IS评估指标，以及扩散模型三年发展历程的时间线。</description>
    </item>
    <item>
      <title>为什么AI绘画的手总是画错：从解剖学约束到注意力机制的技术困境</title>
      <link>https://answer.freetools.me/%E4%B8%BA%E4%BB%80%E4%B9%88ai%E7%BB%98%E7%94%BB%E7%9A%84%E6%89%8B%E6%80%BB%E6%98%AF%E7%94%BB%E9%94%99%E4%BB%8E%E8%A7%A3%E5%89%96%E5%AD%A6%E7%BA%A6%E6%9D%9F%E5%88%B0%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E7%9A%84%E6%8A%80%E6%9C%AF%E5%9B%B0%E5%A2%83/</link>
      <pubDate>Mon, 09 Mar 2026 02:28:29 +0800</pubDate>
      <guid>https://answer.freetools.me/%E4%B8%BA%E4%BB%80%E4%B9%88ai%E7%BB%98%E7%94%BB%E7%9A%84%E6%89%8B%E6%80%BB%E6%98%AF%E7%94%BB%E9%94%99%E4%BB%8E%E8%A7%A3%E5%89%96%E5%AD%A6%E7%BA%A6%E6%9D%9F%E5%88%B0%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E7%9A%84%E6%8A%80%E6%9C%AF%E5%9B%B0%E5%A2%83/</guid>
      <description>深入解析AI图像生成中手部渲染失败的根本原因。从人类手部27块骨骼、30多块肌肉的解剖学复杂性，到扩散模型注意力机制的空间一致性问题，再到CLIP文本编码器的语义鸿沟，系统梳理这一困扰AI艺术界三年的技术难题。涵盖HandRefiner、Hand1000等最新解决方案的设计哲学与工程权衡。</description>
    </item>
  </channel>
</rss>
