연구진은 텍스트-이미지 생성 모델이 CLIP과 같은 언어-비전 모델의 편향된 텍스트 임베딩으로 인해 사회적 편향을 증폭시킨다는 문제점을 지적했어요. DebFilter는 이러한 편향을 완화하기 위해 크로스-어텐션의 값(value) 구성 요소를 조정하는 경량화된 프레임워크를 제안했어요. DebFilter는 추가 훈련 없이 추론 단계에서 작동하며, 이미지 생성 결과의 편향을 효과적으로 줄이고 공정성을 높여줘요.