新加坡国立大学推出的OmniConsistency插件，通过大规模扩散Transformer技术，提升了图像风格化的一致性和美学质量，解决了现有方法的三大挑战，降低了开发者的使用门槛。

本研究提出了引导融合(GF)和方差修正融合(VCF)两种新方法，以解决小型扩散模型在生成大图像时出现的伪影问题，从而提高图像质量并保持风格一致性。

我们提出了一个独特的流程，用于合成3D室内场景，通过放置对象和利用边界框信息来维持风格的一致性，生成外观令人印象深刻、照片般逼真、多视角一致性和多样性特征的3D场景。