Imagen 2 是谷歌最先进的文本到图像扩散技术，可提供高质量、逼真的输出，并与用户的提示密切保持一致。它能利用训练数据的自然分布生成更逼真的图像，而不是采用预先编程的风格。
文本到图像模型可根据训练数据集中的图像和标题中的细节，学习生成与用户提示相匹配的图像。但是，每张图片和标题的细节质量和配对准确性可能会有很大差异。
为了帮助创建更高质量和更准确的图像，使其更好地与用户的提示相匹配，Imagen 2 的训练数据集中的图像标题添加了进一步的描述，帮助 Imagen 2 学习不同的标题风格，并进行归纳，以更好地理解各种用户提示。
