Diffree ist ein textgesteuertes Bildreparaturmodell, das neue Objekte anhand von Textbeschreibungen zu Bildern hinzufügen kann, während gleichzeitig die Hintergrundkonsistenz, die räumliche Angemessenheit und die Relevanz und Qualität der Objekte erhalten bleiben. Das Modell wurde auf dem OABench-Datensatz trainiert und verwendet ein stabiles Diffusionsmodell und ein zusätzliches Maskierungsvorhersagemodul, um die Position neuer Objekte präzise vorherzusagen und so das Hinzufügen von Objekten allein durch Textanweisungen zu ermöglichen.