本研究提出外在混合专家（EMoE）框架，旨在解决文本到图像扩散模型中的不确定性估计问题，评估认知不确定性，识别训练集偏见，促进AI生成内容的公平性与问责性。

提出了一种基于变换器的事件引导跟踪框架 (eMoE-Tracker)，通过学习环境的可学习属性来动态学习属性特定的特征，从而改善目标信息和背景之间的交互和可辨识度，使得在各种条件下都能取得新的 SOTA 性能。