多模态图像生成

基于解耦交叉注意力的多模态图像生成适配工具 IP-Adapter采用解耦交叉注意力机制设计，将文本特征与图像特征的交叉注意力层分离。可兼容现有各类图像生成可控工具，支持结合文本提示实现多模态图像生成。相比同类图像提示生成方案，该工具生成的图像质量更优，生成结果更贴合多模态提示要求。