BLIP-Diffusion est un modèle de génération d'images piloté par le sujet et permettant un contrôle multimodal. Il génère des images basées sur une description textuelle, en prenant en entrée une image sujet et une invite textuelle. Comparé aux modèles existants, BLIP-Diffusion offre une génération pilotée par sujet en zero-shot et un réglage fin de sujet efficace. Il peut également être combiné de manière flexible avec d'autres techniques (telles que ControlNet et prompt-to-prompt) pour permettre des applications novatrices de génération et d'édition pilotées par le sujet.