你有没有好奇过：ControlNet为什么能在不"废掉"Stable Diffusion（SD）预训练能力的前提下，精准控制图像生成？
答案藏在一个看似简单的组件里------零卷积（Zero Convolution）。它不是什么复杂的新结构，却是ControlNet"既听话又好用"的核心秘密。今天我们就拆解它的工作流程，看看这个"全零初始化的1×1卷积"到底有多聪明。
一、先搞懂：ControlNet为啥需要"零卷积"？
先回顾ControlNet的基础架构：
- 左侧是冻结的Stable Diffusion主分支（权重固定，保留预训练的生成能力）；
- 右侧是可训练的ControlNet分支（负责学习"条件信号"，比如边缘图、姿态图）。
要让这两个分支协同工作，得解决一个关键矛盾：
如何让ControlNet的"条件信号"注入SD，但训练初期不破坏SD的预训练效果？
零卷积就是为这个矛盾设计的"连接器"。
二、零卷积的工作流程：从"隐身"到"精准控制"
我们结合ControlNet的分支结构（示意图右侧），分3个阶段看零卷积的作用：
阶段1：初始化------"我先隐身，不打扰SD"
零卷积的核心初始化规则是：权重和偏置全设为0。
当ControlNet刚启动训练时：
- 条件信号（比如Canny边缘图）经过ControlNet分支的编码器后，会通过"零卷积"输出；
- 因为参数全零，零卷积的输出是全零特征图；
- 这个全零特征图会和SD主分支的对应特征图"相加融合"------加0等于没加，SD的预训练能力完全不受影响。
→ 效果：训练初期，ControlNet相当于"不存在"，SD依然能生成高质量图像，避免了"新分支干扰预训练模型"的问题。
阶段2：训练------"悄悄学习，慢慢接管控制"
随着训练推进，零卷积的参数会逐步从0开始更新：
- ControlNet分支学习"条件信号→图像特征"的映射（比如"边缘图的线条→人物轮廓"）；
- 零卷积根据训练损失（比如生成图和真实图的差异）调整参数，让输出的特征图不再是全零；
- 调整后的特征图与SD主分支的特征融合，逐步把"条件信号的约束"注入生成流程。
→ 关键优势：渐进式学习
零卷积的参数从0开始微调，相当于"慢慢给ControlNet加权重"------既让它学会"按条件生成"，又不会让SD忘记预训练的"绘画功底"，避免了"灾难性遗忘"。
阶段3：推理------"精准融合，控制生成方向"
训练完成后，零卷积的参数已经固定，推理时的流程是：
- 输入条件信号（比如用户给的姿态图），经过ControlNet分支编码器处理；
- 零卷积将ControlNet的特征转换为"与SD主分支特征维度匹配"的格式（1×1卷积的作用是维度对齐）；
- 零卷积的输出特征与SD主分支的对应特征"相加"，让条件约束融入生成过程；
- 最终通过SD的解码器生成"符合条件信号"的图像（比如和输入姿态一致的人物）。
→ 效果：既保留SD的生成质量，又实现了"条件信号精准控制图像内容"的目标。
三、为什么是"零卷积"，不是"普通卷积"？
如果用普通1×1卷积（随机初始化参数）代替零卷积，会发生什么？
- 训练初期，普通卷积的随机输出会"污染"SD主分支的特征，导致SD直接生成乱码；
- 必须重新微调SD主分支才能恢复质量，这会大幅增加训练成本，也失去了ControlNet"冻结SD权重"的优势。
零卷积的"全零初始化"，本质是用最简单的方式实现了"预训练模型+新分支"的无痛融合。
四、总结：零卷积是ControlNet的"智慧妥协"
零卷积不是什么黑科技，却是ControlNet设计的"巧思"：
- 它解决了"新控制分支如何兼容预训练扩散模型"的核心问题；
- 用"全零初始化+渐进式学习"，平衡了"控制精度"和"生成质量"。
现在再看ControlNet的示意图，你应该能秒懂：那些标着"zero convolution"的模块，就是让ControlNet"既听话又好用"的隐形功臣。