中山大学 HCP 实验室的研究人员提出了一种简单而有效的参数高效的微调方法 SUR-adapter，可以增强 text-to-image 扩散模型的语义理解和推理能力。该方法通过集成多个大型语言模型和预训练扩散模型，在保持图像生成质量的同时，缓解了文生图模型中常见的语义不匹配问题。这一方法的应用将进一步推动用户友好的文本到图像生成模型的发展，提升用户体验。