麻省理工

文生图领域一直面临着一个核心难题，就是有条件图像生成的效果，远超无条件的图像生成。有条件图像生成是指模型在生成图像的过程中，会额外使用类别、文本等辅助信息进行指导，这样可以更好的理解用户的文本意图，生成的图像质量也更高。而无条件图像生成完全基于模型自己学习的数据分布，难以形成有效的指导，所以，我们经常会有的AI平台生成的图像驴唇不对马嘴，或者图像有重大缺陷。