डिफ्री एक पाठ द्वारा निर्देशित छवि पुनर्स्थापना मॉडल है जो पाठ विवरण के माध्यम से छवियों में नई वस्तुओं को जोड़ सकता है, साथ ही पृष्ठभूमि की संगति, स्थानिक उपयुक्तता और वस्तुओं की प्रासंगिकता और गुणवत्ता को बनाए रख सकता है। यह मॉडल OABench डेटासेट पर प्रशिक्षित है, स्थिर प्रसार मॉडल और अतिरिक्त मास्क भविष्यवाणी मॉड्यूल का उपयोग करके, यह विशिष्ट रूप से नई वस्तुओं की स्थिति की भविष्यवाणी कर सकता है, केवल पाठ मार्गदर्शन के माध्यम से वस्तु जोड़ को प्राप्त कर सकता है।