본 논문은 사전 훈련된 확산 모델에서 다중 연속 속성(예: 눈의 개방 정도, 자동차 너비)을 텍스트만으로 정밀하게 제어하는 문제를 해결하기 위해 새로운 플러그 앤 플레이 모듈인 Attribute (Att) Adapter를 제안합니다. Att-Adapter는 비짝 데이터를 사용하여 여러 시각적 속성을 포함하는 샘플 이미지 집합으로부터 단일 제어 어댑터를 학습합니다. 분리된 크로스 어텐션 모듈을 활용하여 여러 도메인 속성과 텍스트 조건을 조화시키고, 과적합을 완화하기 위해 Conditional Variational Autoencoder (CVAE)를 사용합니다. 실험 결과, Att-Adapter는 연속 속성 제어에서 기존 LoRA 기반 방법들을 능가하며, 더 넓은 제어 범위와 향상된 속성 분리 성능을 보여줍니다. 또한, 훈련에 짝 데이터가 필요 없고, 여러 속성에 대한 확장성이 뛰어납니다.
