본 연구는 텍스트-이미지 생성 모델에서 민감한 속성과 관련된 편향 문제를 탐구합니다. 특히, 기존 연구가 단일 객체 프롬프트에 집중하고 맥락적 다양성이 부족하다는 점을 지적하며, 프롬프트 내 객체와 속성 간의 결합(semantic binding)이 편향에 미치는 영향을 분석합니다. 연구 결과, 이러한 결합에 따라 편향 분포가 증폭될 수 있으며, 이를 정량화하기 위해 편향 부착 점수를 도입했습니다. 또한, 토큰 분리를 통해 시맨틱 바인딩의 편향을 완화하는 훈련 없는 프레임워크를 개발하여 10% 이상의 편향 완화 개선을 달성했습니다.
