El estudio "Controlling Text-to-Image Diffusion" investiga cómo guiar o controlar eficazmente los potentes modelos de generación de imágenes a partir de texto para diversas tareas secundarias. Se propone el método de ajuste fino ortogonal (OFT), que preserva la capacidad generativa del modelo. OFT mantiene la energía hiperesférica entre neuronas constante, previniendo el colapso del modelo. Los autores consideran dos tareas importantes de ajuste fino: la generación impulsada por el sujeto y la generación controlada. Los resultados muestran que el método OFT supera a los métodos existentes en calidad de generación y velocidad de convergencia.