本文综述了文本生成图像领域的多项进展：Text2Scene无需GAN即可生成可解释场景；TextFusion融合文本与图像模态；个性化方法通过少量图像微调模型以绑定特定主题；FastComposer实现高效多主题生成；Texual Localization解决多概念指定难题；ConsiStory无需训练即可保持主题一致；直接一致性优化提升组合能力。