本文介绍了一种基于扩散的跨模态生成模型，该模型通过文本表示图像，增强了文本与图像的对齐能力。研究中提出了“文字涂鸦”和无分类器引导等创新技术，显著提升了图像生成的质量和准确性，适用于时尚图像合成等多种任务。

本文介绍了创新的SGDiff样式引导扩散模型，结合了图像和文本模态，用于时尚图像合成。通过新的SG-Fashion数据集验证了该模型的有效性。提供了代码和数据集链接。