본 논문은 사전 훈련된 확산 모델에서 여러 속성을 동시에 정밀하게 제어하는 문제를 해결하기 위해 새로운 플러그 앤 플레이 모듈인 Att-Adapter를 제안합니다. Att-Adapter는 짝을 이루지 않은 다중 시각 속성을 포함하는 샘플 이미지 집합으로부터 단일 제어 어댑터를 학습합니다. 여러 도메인 속성과 텍스트 조건을 자연스럽게 조화시키기 위해 분리된 크로스 어텐션 모듈을 활용하며, 과적합을 완화하고 시각적 세계의 다양한 특성을 충족시키기 위해 조건부 변분 오토인코더(CVAE)를 사용합니다. 두 개의 공개 데이터셋에 대한 평가 결과, Att-Adapter는 연속적인 속성 제어에서 모든 LoRA 기반 기준 모델을 능가하며, 더 넓은 제어 범위와 향상된 속성 간 분리 성능을 보여줍니다. 또한, 훈련을 위해 짝을 이룬 합성 데이터가 필요 없고 여러 속성으로 쉽게 확장 가능하다는 장점이 있습니다.
