टेक्स्ट-टू-इमेज डिफ्यूज़न पर किए गए शोध में यह पता लगाया गया है कि विभिन्न प्रकार के अनुवर्ती कार्यों के लिए शक्तिशाली टेक्स्ट-टू-इमेज जनरेटिव मॉडल को प्रभावी ढंग से कैसे निर्देशित या नियंत्रित किया जाए। ऑर्थोगोनल फाइनट्यूनिंग (OFT) विधि प्रस्तावित की गई है जो मॉडल की जनरेटिव क्षमता को बनाए रखती है। OFT न्यूरॉन्स के बीच हाइपरस्फेरिकल ऊर्जा को अपरिवर्तित रखता है, जिससे मॉडल के ढहने से बचा जा सकता है। लेखकों ने दो महत्वपूर्ण फाइनट्यूनिंग कार्यों पर विचार किया: विषय-संचालित जनरेशन और नियंत्रित जनरेशन। परिणाम दर्शाते हैं कि OFT विधि मौजूदा विधियों की तुलना में जनरेशन गुणवत्ता और अभिसरण गति में बेहतर है।