本文探讨了无需训练的风格迁移技术——扩散模型（Diffusion Models），在艺术风格迁移等领域的应用。扩散模型通过逐步添加噪声并学习逆向过程生成数据，实现从风格图像到内容图像的风格迁移。研究者提出了无需训练的方法，通过操纵自注意力层的特征作为交叉注意力机制的工作方式，利用预训练的大规模文本到图像扩散模型的生成能力来解决艺术风格迁移问题。本文提出的方法通过对自注意力特征的简单操作来利用大规模预训练的DM，并通过查询保存、注意力温度缩放和初始潜在AdaIN三个组件进一步改进风格迁移的效果。实验结果表明，所提出的方法在传统和基于扩散的风格转移基线方面都超越了最先进的方法，无需任何优化或监督，显著优于以前的方法并实现了最先进的性能。