연구진은 디퓨전 모델에서 서체 제어와 텍스트 가독성 간의 균형을 맞추는 FontFusion 프레임워크를 개발했어요. FontFusion은 계층적 토큰 표현, 위치 인식 임베딩, 다단계 토큰 드롭핑 전략을 통해 기존 모델의 한계를 극복하고, 다양한 서체에 대한 일반화 성능을 높였어요. FontFusion은 기존 DiT 아키텍처에 통합되어 기존 모델 대비 76% 성능 향상을 보여주며, 서체 일관성 또한 68~76% 개선되었어요.