Core Concepts
본 연구는 확산 모델의 생성 과정에서 발생하는 불안정성을 해결하기 위해 이동 평균 샘플링 기법을 제안한다. 이를 통해 이전 샘플들의 정보를 활용하여 현재 샘플을 안정적으로 생성할 수 있다.
Abstract
본 연구는 확산 모델의 생성 과정에서 발생하는 불안정성 문제를 해결하기 위해 이동 평균 샘플링 기법을 제안한다.
기존 확산 모델은 현재 샘플만을 활용하여 다음 샘플을 생성하므로 불안정성이 발생할 수 있다.
이에 본 연구는 이전 샘플들의 정보를 활용하는 이동 평균 기법을 제안한다.
이동 평균을 데이터 공간에 적용하여 샘플 분포 변화를 완화하고, 주파수 영역에서 각 주파수 성분별로 이동 평균을 수행하여 주파수 특성 변화에 따른 안정화를 달성한다.
제안 기법은 기존 확산 모델에 쉽게 통합될 수 있으며, 다양한 실험을 통해 성능 향상을 검증하였다.
Stats
확산 모델의 생성 과정에서 발생하는 샘플의 진동 현상은 이전 샘플들의 정보를 활용하지 않기 때문에 발생한다.
주파수 영역에서 저주파 성분은 초기 단계에서 급격히 변화하지만 고주파 성분은 후반부에 점진적으로 변화한다.
Quotes
"확산 모델은 최근 이미지 생성 분야에서 강력한 혁신을 가져왔다."
"대부분의 확산 모델은 현재 샘플만을 활용하여 다음 샘플을 제거하므로 제거 불안정성이 발생할 수 있다."