用 JSON 结构化提示词提升扩散模型表现

zeeshanp_ · x · 2026-08-03

最新闭源视频模型的进步，很大程度上得益于为图像描述构建结构化的文本表示，这显著提升了扩散模型的可控性与表现力。

被引用的推文指出，虽然描述的信息量能预测扩散损失，但自然语言很难精确调整这种信息量。而使用 JSON 等结构化提示词，能提供更好的可调节性，从而优化扩散生成效果。作者认为，结合最新的编程模型，这一方向还有很大的探索空间。