请教如何得到图像的prompt

[monkeyCv]

作者您好，非常感谢论文提供的出色的思路和结果。论文基于text-to-image的stable diffusion，那么我们怎么得到这张图片的text prompt，从而能够完成操作呢？或者说对于任一图片，整体思路都是在基于null-text的uncondition来弄的呢？谢谢！