O CSGO é um modelo de geração de imagem a partir de texto baseado em síntese de estilo de conteúdo. Ele gera e limpa automaticamente, por meio de um pipeline de construção de dados, triplas de dados estilizados, construindo o primeiro conjunto de dados em larga escala para transferência de estilo, IMAGStyle, contendo 210 mil triplas de imagens. O modelo CSGO emprega treinamento de ponta a ponta, decuplando explicitamente as características de conteúdo e estilo por meio da injeção de recursos independentes. Ele implementa a transferência de estilo conduzida por imagem, a síntese de estilo conduzida por texto e a síntese de estilo conduzida por edição de texto, possuindo vantagens como inferência sem necessidade de ajuste fino, preservação da capacidade de geração do modelo original de imagem a partir de texto e unificação da transferência e síntese de estilo.