本研究解决了在连续学习环境中个性化文本到图像扩散模型的挑战，特别是在无法访问旧数据时处理多个概念。通过使用扩散分类器分数进行正则化，该方法在保留旧概念的同时有效学习新概念，且实现了零存储和参数开销，优于现有方法。