기존의 조건부 이미지 생성 모델은 새로운 데이터에 대한 보상 모델의 부정확한 피드백으로 인해 어려움을 겪었지만, Ctrl-U는 불확실성 인식 보상 모델링을 통해 이러한 한계를 해결하여 생성된 이미지의 품질과 조건부 제어 능력을 향상시킵니다.
피셔 정보를 활용하여 계산 비용을 줄이면서도 다양한 조건부 이미지 생성 작업을 수행할 수 있는 방법을 제안한다.
이 연구는 신경망 가중치 조작을 통해 이미지 생성 모델을 제어하는 새로운 방법을 제안합니다. 이를 통해 기존 방식보다 성능이 크게 향상되었으며, 효율성도 크게 개선되었습니다.