本研究提出了一种多模态引导的数字艺术生成方法MGAD，利用CLIP模型统一文本和图像模态，实验结果表明其在数字艺术生成方面有效。此外，UPainting模型通过预训练的Transformer和图像-文本匹配模型提高了图像生成的保真度。研究还介绍了多种图像合成和编辑技术，展示了艺术风格转移和用户交互生成的创新。

本文综述了多模态引导扩散模型在数字艺术生成中的应用，涵盖MGAD、DiffBlender、Diff-Text等模型，通过文本、草图、风格等提示控制生成，提升图像合成质量与多模态生成水平。