최근 텍스트-이미지 생성 모델은 고품질 이미지를 생성하지만, 텍스트의 모호함은 특정 스타일이나 객체를 요구할 때 정확한 제어를 방해합니다. 연구진은 카메라 렌즈, 센서 종류, 촬영 시점, 장면 도메인 특성 등 이미지 생성 요소를 분리하는 새로운 방법 'MULTI'를 제안합니다. MULTI는 일반적인 요소를 학습하는 1단계와 데이터셋 특정 요소를 추출하는 2단계로 구성되어 있으며, 기존 데이터셋 확장 및 새로운 요인 조합을 지원합니다.