本文提出了一种低成本的文本到图像生成方法，通过微调预训练模型中的文本嵌入，优化语义特征定位，避免特征混合，从而提升多概念生成效果。该方法在图像分类和物体检测中表现优越，有效解决零样本识别和小数据集适应问题，显著提高性能。