본 논문은 텍스트-이미지 생성 모델의 편향 문제, 특히 속성 얽힘(attribute entanglement) 문제를 해결하는 새로운 방법인 얽힘 없는 어텐션(Entanglement-Free Attention, EFA)을 제시한다. 기존 편향 완화 방법들은 목표 속성(예: 인종)을 조정하는 과정에서 비목표 속성(예: 배경)까지 의도치 않게 변경하는 속성 얽힘 문제를 겪는다. EFA는 특정 레이어의 크로스-어텐션을 조정하여 목표 속성(예: 백인, 흑인, 아시아인)을 정확하게 반영하면서 비목표 속성은 보존함으로써 이 문제를 해결한다. 추론 시에는 목표 속성을 동일한 확률로 무작위로 샘플링하여 공정한 속성 분포를 달성한다. 실험 결과, EFA는 기존 방법들보다 편향을 완화하면서 비목표 속성을 더 잘 보존하여 원 모델의 출력 분포와 생성 능력을 유지하는 것으로 나타났다.
