最近的研究发现，个性化文本到图像（T2I）扩散模型在生成高保真度图像方面存在困难。研究人员提出了一种名为ComFusion的新方法，能够将视觉主题实例与文本特定场景融合，生成高保真度的实例。ComFusion使用预训练模型和场景特定知识来提高生成的保真度，并确保图像与实例和场景文本对齐。对T2I个性化中的各种基线进行了评估，证明了ComFusion的优越性。