上海交通大学的研究人员发现，现有的AI画家模型无法准确绘制“茶杯中的冰可乐”场景，因为文本与图像之间存在不对齐问题。他们提出了一种名为MoCE的方法，通过将顺序作画的规律融入到模型的采样过程中，成功找回了消失的茶杯。实验结果显示，MoCE方法在修复概念对的准确性上表现优于其他基准模型。此外，现有的自动化评价指标也无法准确评估茶杯中的冰可乐场景。这项研究将在欧洲计算机视觉大会上发表。