本研究提出了一种名为“单提示单故事”的无训练方法，旨在解决文本到图像生成模型在故事讲述中的一致性不足问题。通过将所有提示合并为单一输入并采用新技术，显著提高了生成图像与输入描述的一致性。实验结果表明，该方法优于现有生成技术。

本研究提出了一系列基于遥感影像的变化检测方法，强调特征差异的重要性。通过合成数据训练的模型和新数据集ChangeNet，显著提高了变化检测的准确性和效率，克服了传统方法的局限性。此外，研究还开发了无训练的检测方法和通用框架，展示了在复杂环境中的优越性能。

本文探讨了大型视觉语言模型（LVLMs）中的幻觉问题，提出了多种无训练方法（如VCD和ICD）以减少幻觉并提升模型性能。研究表明，这些方法有效降低了模型对视觉输入的依赖，增强了生成内容的准确性，并在多个基准测试中取得显著改进。此外，提供了包含多种视觉幻觉类型的数据集，以支持进一步研究。