本研究提出了一种基于文本提示的图像修复模型，通过BERT理解用户指令并生成文本提示，使用深度多头转置注意力和门控卷积模块来弥合文本提示和视觉特征之间的差距。实验证明该模型在公共数据集上获得了显著优越的性能，能够准确识别和去除图像的退化。