반복 생성의 비용
확산 모델은 여러 샘플링 단계를 거쳐 결과를 만든다. 단계가 많으면 추론 비용도 커질 수 있어 EffiDiffAct는 시간 특징 추출과 샘플링 양쪽의 효율을 고려한다.
경량 시간 인코더
전통적인 자기 주의에서 긴 시퀀스를 처리할 때 생길 수 있는 특징 평활화와 계수 붕괴 문제를 완화하려 한다. 동시에 시간 특징을 처리하는 연산 부담을 줄이는 인코더를 제시한다.
적응형 건너뛰기
추론 중 계산한 유사도에 따라 시간 단계의 간격을 동적으로 조절한다. 모든 단계에서 같은 간격으로 반복하는 것과 다른 계산 배분 방식이다.
비용과 정확도
샘플링 단계가 줄었다는 사실만으로 전체 지연을 알 수는 없다. 특징 추출과 유사도 계산까지 포함해 비용을 확인하고 행동 경계와 과분할 성능이 유지되는지도 함께 평가해야 한다.
관련 문서
Diffusion Action Segmentation / ASFormer / MS-TCN / ASRF 행동 구간 정제 / Temporal Segment Transformer / 확산 모델