本研究提出了一种名为Add-it的方法，旨在解决语义图像编辑中根据文本指令自然添加对象的挑战。该方法无需额外训练，通过扩展扩散模型的注意机制，综合考虑场景图像和文本提示，实现自然的对象放置，并在多个基准测试中超越现有监督方法，显示出显著的性能提升。