학습과 추출의 분리
DDPM의 긴 표본 추출 과정은 생성 비용을 높인다. DDIM은 같은 학습 절차를 이용하면서 추출 과정을 다르게 구성할 수 있다는 점에 주목한다.
다른 확률 과정의 구성
이전 상태만으로 다음 상태가 정해지는 마르코프 과정에 한정하지 않고, 동일한 학습 목적을 갖는 비마르코프 과정 계열을 제시한다. 학습 목표가 같더라도 생성 과정까지 하나로 고정되지는 않는다.
계산량과 표현의 활용
표본 추출 설정을 조절하며 계산량과 품질 사이의 상충을 다룬다. 원 연구는 잠재 공간에서 의미 있는 이미지 보간도 평가했다. 줄어든 계산 비용은 비교하는 추출 설정과 평가 조건에 따라 달라진다.
관련 문서
DDPM / 변분 확산 모형 / SiT 생성 모형 / DiT 확산 트랜스포머 / 확률 분포 / 마르코프 체인