Trong bài báo này, chúng tôi đề xuất một mô-đun cắm và chạy mới, Att-Adapter, để giải quyết vấn đề kiểm soát đồng thời và chính xác nhiều thuộc tính trong một mô hình khuếch tán được đào tạo trước. Att-Adapter học một bộ điều hợp điều khiển duy nhất từ một tập hợp các hình ảnh mẫu chứa nhiều thuộc tính thị giác không ghép nối. Nó sử dụng một mô-đun chú ý chéo tách rời để hài hòa tự nhiên nhiều thuộc tính miền với các điều kiện văn bản và sử dụng bộ mã hóa tự động biến thiên có điều kiện (CVAE) để giảm thiểu hiện tượng quá khớp và thích ứng với các đặc điểm đa dạng của thế giới thị giác. Kết quả đánh giá trên hai tập dữ liệu công khai cho thấy Att-Adapter vượt trội hơn tất cả các mô hình cơ sở dựa trên LoRA trong điều khiển thuộc tính liên tục, thể hiện phạm vi điều khiển rộng hơn và cải thiện khả năng tách biệt giữa các thuộc tính. Ngoài ra, nó có ưu điểm là không yêu cầu dữ liệu tổng hợp ghép nối để đào tạo và có thể dễ dàng mở rộng sang nhiều thuộc tính.
