使用神经生成能力和感知注入技术，本研究提出了一种无需提示的生成方法，使用户能够自动生成个性化的具有自定义艺术风格的画作内容。

最新的大规模文本到图像扩散模型在文本到三维生成领域取得突破，能够通过给定的文本提示创作三维内容。然而，现有技术缺乏根据用户需求对三维内容进行交互式控制和塑造的能力。为了解决这个问题，研究人员首次尝试在条件上添加手绘草图的文本到三维生成，以增强用户的可控性。通过改进的2D条件扩散模型和预训练的照片到草图模型，实现了更好的可控文本到三维生成。实验证明，该方法能够生成与输入的文本提示和草图紧密对齐的准确三维场景。