データ分布の双対形式での発散を推定することで、データ分布を効率的かつ解釈可能に特徴付け、そこから新規サンプルを生成する。
一貫性モデルの学習において、高ノイズレベルを含むノイズスケジューリングと、段階的なカリキュラムが重要である。
深層生成モデルを自己生成データで反復学習する際、初期モデルが十分に良好であり、かつ元のデータの割合が十分に大きければ、反復学習は安定的に行えることを示す。
