本文提出了一种新的扩散特征融合方法（DIFF），利用预训练扩散模型的知识，提升了语义分割和合成效果。研究还探索了零样本图像检索和文本到3D合成的方法，展示了在多个基准测试中的优越性能，尤其是在Pascal VOC上领先10%。该模型可在移动设备上快速运行，促进内容创作。