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。