大规模文本到图像扩散模型，如DALL-E 2，Imagen和Stable Diffusion，在文本到图像生成任务上取得了相当大的成功。然而，它们仅提供有限的灵活性和可控性，仅通过文本进行条件控制，对最终用户来说有所不足。为了提高这种自由度，我们需要更好地调整生成过程的方法。本演讲将讨论一些最有前景和有效的方法，用于控制文本到图像扩散模型。这些方法将包括训练时和推断时技术的混合应用。