针对空间控制文本到图像生成的遮蔽注意力扩散引导

本文介绍了一种名为ZestGuide的方法，通过结合自然语言界面和空间控制，解决了与图像画布上特定位置对象相关的文本生成图像的问题。实验结果表明，ZestGuide在精准对齐输入分割的情况下，提高了图像质量，并且在COCO数据集上的表现优于Paint with Words。