연구진은 주체 중심 개인화 텍스트-이미지 생성 시 각 denoising 단계별 요구 사항을 고려한 Stage-Aware Adaptation (SPaRa)과 Distribution Calibration (DCAL) 프레임워크를 제안했어요.
SPaRa는 timestep에 따라 저랭크 어댑터의 효과적인 교란 크기를 조절하고, DCAL은 identity 기반 후보 선택 시 시각적 표현 공간에서 샘플을 압축하는 문제를 해결해요.
SDXL 및 DreamBooth 프로토콜 실험 결과, DCAL은 1-LPIPS, CLIP-I, DINO-I, CLIP-T를 개선했지만, CLIP/DINO pairwise 다양성과 LPIPS 간의 균형을 맞추는 것이 중요했어요.