1 研究目的 该文献的研究目的主要是： 探讨一种更为广泛的调制方法，通过设计多个正则化项来优化图像合成过程中的空间控制。论文的大致思想是，在现有的基于数据驱动的图像合成系统基础上，通过引入更复杂的调制策略，实现对文本描述和空间控制更为精确的图像合成。 在研究中，作者发现了以下问题： 现有的文本到图像扩散模型很难在给定密集字幕的情况下合成逼真的图像，并且倾向于省略或混合不同对象的视觉