本研究提出了一种新方法DECOR，解决了文本到图像模型在有限参考图像下的过拟合问题，显著提高了定制效果和文本与图像的对齐性能，实验结果优于现有模型。

Decor是一种具有差分隐私保证的分散式SGD变体，通过交换随机种子生成抵消的高斯噪声来保护本地模型。Decor在任意连通图中匹配了中心化差分隐私的最佳隐私-效用折衷，并在SecLDP下实现了所有用户通信的保护。

使用 DECOR 作为一个新颖的基准，第一个特别设计用于改善 L2 英语写作的一致性评估数据集，该数据集包括原始不连贯句子及其专家重新写作版本对。

Decor是一种具有差分隐私保证的分散式SGD变体，通过交换随机种子生成抵消的高斯噪声来保护本地模型。Decor在任意连通图中匹配了中心化差分隐私的最佳隐私-效用折衷，并在SecLDP下实现了所有用户通信的保护。