Pinterest Canvasは、1.5億以上の高品質テキストイメージペアで学び、視覚的に魅力的なイメージを生成するテキストイメージモデルです。この基本モデルは、製品のフォトリアルな背景を生成するために、2段階のトレーニングプロセスで微調整されています。このプロセスでは、インペインティングが行われ、オブジェクトの境界が維持されます。生成プロセスを導くために、コンディショニングイメージが使用され、Unified Visual Embedding（UVE）が特に効果的に結果を影響することが証明されています。このモデルは、IP-Adapterを使用して、追加のイメージプロンプトを処理し、特定の視覚スタイルでの背景生成を可能にしています。将来の改善として、Transformer拡散アーキテクチャーへのアップグレード、ソフトマスキングアプローチの探検、Pinterest最適化された視覚埋め込みの導入によるテキストコンディショニングの改善が含まれます。Pinterest Canvasは、新しいコンテキストでの製品の視覚化と、プラットフォーム上の既存のイメージと製品の向上を可能にします。