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。

最近的文本到图像扩散模型在生成高质量图像方面取得了成功，但在语义遵循上存在挑战。为此，提出了一种无需训练的方法，通过监控概念的引导轨迹来调整模型的引导方向，从而改善语义对齐。

该研究提出了一种无训练方法ScribbleDiff，通过用户提供的涂鸦作为视觉提示，解决了现有文本到图像扩散模型在捕捉用户意图方面的不足。实验结果显示，该方法在空间控制和一致性方面有显著提升。