本文介绍了一种新的图像合成方法，通过融合多个输入图像生成连贯的图像。利用预训练扩散模型的生成先验，实现了适用于外观编辑和语义编辑的通用图像合成。通过引导合成图像朝高密度区域优化的方法，实现了去噪和灵活的语义图像合成。实验证明该方法在通用的零样本图像合成方面具有优越性，并在物体移除和多概念定制等任务中显示出潜力。