본 논문은 Stable Diffusion과 같은 최신 텍스트-이미지 모델에서 나타나는 심각한 인구통계적 편향 문제를 해결하기 위해 추가적인 훈련 없이 편향을 줄이는 새로운 방법을 제시합니다. 기존의 편향 감소 기법들은 추가적인 훈련에 의존하여 높은 계산 비용과 핵심 이미지 생성 기능 저하 위험이 있었지만, 본 논문에서는 소수 집단 속성과 관련된 초기 노이즈가 산발적으로 나타나는 것이 아니라 "소수 지역"을 형성한다는 점에 주목합니다. 이러한 "소수 지역"을 활용하여, 의미적 무결성을 해치지 않고 랜덤 노이즈를 소수 지역으로 유도하는 '약한 안내(weak guidance)'라는 새로운 편향 감소 방법을 제안합니다. 다양한 버전의 Stable Diffusion에 대한 분석과 실험을 통해 제안된 방법이 추가 훈련 없이 효과적으로 편향을 줄이고, 효율성과 핵심 이미지 생성 기능 유지를 동시에 달성함을 보여줍니다.
