En este artículo, proponemos un novedoso módulo listo para usar, Att-Adapter, para abordar el problema del control simultáneo y preciso de múltiples atributos en un modelo de difusión preentrenado. Att-Adapter aprende un único adaptador de control a partir de un conjunto de imágenes de muestra que contienen múltiples atributos visuales no pareados. Utiliza un módulo de atención cruzada desacoplada para armonizar de forma natural múltiples atributos de dominio con las condiciones textuales, y utiliza un autocodificador variacional condicional (CVAE) para mitigar el sobreajuste y adaptarse a las diversas características del mundo visual. Los resultados de la evaluación en dos conjuntos de datos públicos muestran que Att-Adapter supera a todos los modelos de referencia basados en LoRA en el control continuo de atributos, demostrando un rango de control más amplio y una mejor separación entre atributos. Además, tiene la ventaja de no requerir datos sintéticos pareados para el entrenamiento y puede extenderse fácilmente a múltiples atributos.
