DP-Recon是一种新方法，通过生成式扩散模型重建稀疏视角下的3D场景，能够智能推断被遮挡物体的细节，克服传统方法的局限性，支持基于文本的场景编辑，提升影视游戏和AR/VR内容创作的潜力。

最近，生成式扩散模型在文本控制下合成图像方面取得了显著进展。本文提出了一种统一语言界面，将计算机视觉任务转化为文本到图像生成问题，并创建了多模态训练数据集。实验结果表明，InstructCV模型在多任务视觉学习中表现优异，具有良好的泛化能力。

生成式扩散模型在文本控制下的图像合成取得进展。本文提出统一的计算机视觉任务语言界面，将多个视觉任务转化为文本到图像生成。通过大规模语言模型改写任务提示模板，创建多模态、多任务训练数据集。使用 InstructPix2Pix 架构调节模型，实现基于指导的多任务视觉学习。实验显示，InstructCV 模型在任务表现和泛化能力上表现优异。