ICAS는 여러 피사체에 대한 스타일 전이를 효율적이고 제어 가능하게 수행하는 새로운 프레임워크입니다. 기존 방법들의 계산 비용이 많이 들고, 여러 피사체의 의미적 충실도를 유지하는 데 어려움이 있으며, 추론 비용이 높다는 한계를 극복하기 위해 제안되었습니다. 기존의 전 모델 미세 조정 대신, 사전 훈련된 확산 모델의 콘텐츠 주입 부분만 적응적으로 미세 조정하여 개별 피사체의 의미를 유지하면서 스타일 제어 기능을 향상시킵니다. IP-Adapter를 이용한 적응적 스타일 주입과 ControlNet을 이용한 구조 조건화를 결합하여 전반적인 레이아웃 보존과 정확한 로컬 스타일 합성을 보장합니다. 또한, 제한된 데이터 환경에서도 광범위한 스타일화된 데이터 셋 없이 효과적인 스타일 전이를 가능하게 하는 순환적 다중 피사체 콘텐츠 임베딩 메커니즘을 도입했습니다. 실험 결과, ICAS는 구조 보존, 스타일 일관성 및 추론 효율성 면에서 우수한 성능을 달성함을 보여줍니다.
