연구진은 기존의 파라미터 효율적인 튜닝 방식의 한계를 극복하기 위해 이미지 편집 작업의 지속적인 적응을 위한 프레임워크 ACE-LoRA를 제안했습니다.
ACE-LoRA는 Adaptive Orthogonal Decoupling을 활용하여 작업 간 간섭을 식별하고 직교화하며, Rank-Invariant Historical Information Compression 전략을 통해 지속적인 업데이트의 확장성 문제를 해결합니다.
새로운 벤치마크 CIE-Bench를 통해 다양한 이미지 편집 시나리오를 평가하고, ACE-LoRA는 기존 모델 대비 지시 충실도, 시각적 사실성, 망각에 대한 강건성 측면에서 우수한 성능을 보였습니다.