本文提出Context Diffusion框架，使图像生成模型能从视觉示例中学习。该框架将视觉环境编码与查询图像结构分离，支持从视觉示例、文本提示或两者同时学习，并可处理少样本场景。实验和用户研究表明，该模型在领域内外任务中均优于同类模型，提升了图像质量与保真度。

VE-Prompt是一种多任务学习框架，通过引入视觉示例来指导模型学习高质量的任务特定表示方向，提高了自动驾驶感知任务的精度和性能。