본 논문은 단일 이미지에서 콘텐츠와 스타일을 분리하는 콘텐츠-스타일 분해(CSD) 문제를 다룹니다. 기존의 확산 모델 기반 개인화 방법과 달리, 본 논문에서는 시각적 자기회귀 모델링(VAR)을 이용하여 CSD를 수행하는 새로운 방법인 CSD-VAR을 제안합니다. CSD-VAR은 크기별 생성 과정을 활용하여 콘텐츠와 스타일의 분리를 향상시키기 위해 세 가지 핵심 혁신을 도입합니다. 첫째, 콘텐츠와 스타일 표현을 각각의 크기에 맞춰 정렬하는 크기 인식 교차 최적화 전략을 사용합니다. 둘째, SVD 기반 수정 방법을 통해 스타일 표현으로의 콘텐츠 누출을 완화합니다. 셋째, 증강된 키-값(K-V) 메모리를 사용하여 콘텐츠 정체성 보존을 향상시킵니다. 또한, CSD 작업을 위한 새로운 벤치마크 데이터셋인 CSD-100을 소개합니다. 실험 결과, CSD-VAR은 기존 방법보다 우수한 콘텐츠 보존 및 스타일 충실도를 달성함을 보여줍니다.
