연구진은 텍스트-이미지 개인화 시 주체 정보와 맥락 정보가 경합하는 '컨디셔닝 엔탱글먼트' 현상을 발견했어요. 이로 인해 주체 충실도와 맥락 편집성 간 균형이 깨지는 문제가 발생해요.
Decoupled Guidance (DeGu)는 주체 정보와 맥락 정보를 독립적인 경로로 분리하여 이 문제를 해결하는 프레임워크예요. 공간 혼합 메커니즘을 통해 두 경로를 조화롭게 융합하여 성능을 향상시켰어요.
DeGu는 기존 개인화 방법론에 쉽게 적용 가능하며, 주체 충실도와 맥락 편집성 간 균형을 추론 시점에 조절할 수 있도록 지원해요.