本文提出了一种新颖的图像生成方法，结合语义知识与扩散模型，实现细粒度的外观转换。该方法通过优化提示值和跨图像注意力机制，在多个数据集上表现优异，能够在不同形状的物体之间进行视觉属性转移，无需对抗训练或额外输入。此外，研究展示了统一评估协议的有效性，推动了图像到图像转换的研究进展。