耳内镜图像不再只靠文字提示：CLNA把未写进提示的视觉差异变成可调潜变量，FID从52.91降到10.11
耳内镜图像合成长期受限于文字提示只写诊断、不写色调与纹理等视觉细节，同一诊断类内的外观差异难以控制。CLNA在Stable Diffusion 2.1主干上加入一个风格编码器和双重交叉注意力，把这类未写进提示的属性压缩成连续潜变量，并用风格参数调节采样幅度。在正常鼓膜、分泌性中耳炎和慢性中耳炎三类耳内镜图像上，对留出的内部测试集，FID由基线Stable Diffusion的52.91降至10.11，特征空间召回率由57.67%升至90.22%。