Core Concepts
제한된 구간에서 가이던스를 적용하면 이미지 품질과 생성 속도가 향상됩니다.
Abstract
이 논문은 확산 모델에서 가이던스 기법을 개선하는 방법을 제안합니다.
기존에는 전체 샘플링 과정에서 일정한 가이던스 가중치를 적용했지만, 이는 문제가 있습니다. 높은 노이즈 수준에서는 가이던스가 해롭고, 낮은 노이즈 수준에서는 필요하지 않으며, 중간 수준에서만 유익합니다.
따라서 저자들은 중간 노이즈 수준에서만 가이던스를 적용하는 방법을 제안합니다. 이를 통해 ImageNet-512에서 FID 성능이 1.81에서 1.40으로 크게 향상되었습니다. 또한 다양한 모델 아키텍처와 데이터셋에서도 일관되게 성능 향상을 보였습니다.
저자들은 이 제한적 가이던스 구간을 모든 확산 모델에서 하이퍼파라미터로 제공할 것을 제안합니다.
Stats
제한적 가이던스를 적용하면 ImageNet-512에서 FID가 1.81에서 1.40으로 향상됩니다.
제한적 가이던스를 적용하면 FDDINOv2 지표도 33.09에서 29.16으로 향상됩니다.
제한적 가이던스를 적용하면 Stable Diffusion XL에서 샘플링 속도가 20% 이상 향상됩니다.
Quotes
"제한된 구간에서 가이던스를 적용하면 이미지 품질과 생성 속도가 향상됩니다."
"높은 노이즈 수준에서는 가이던스가 해롭고, 낮은 노이즈 수준에서는 필요하지 않으며, 중간 수준에서만 유익합니다."
"저자들은 이 제한적 가이던스 구간을 모든 확산 모델에서 하이퍼파라미터로 제공할 것을 제안합니다."