하나의 결과로 경로 묶기
여러 확산 생성 과정을 공유 매개변수나 제약 아래 묶는 최적화 문제를 중심에 둔다. 각각의 경로가 따로 결과를 내고 끝나는 대신 하나의 제어된 생성 과정으로 연결한다. 기존 사전 학습 텍스트 이미지 확산 모형을 활용한다.
다양한 화면 비율
넓은 파노라마 같은 원하는 화면 비율의 생성을 다룬다. 영역별 단서로 분할 마스크나 바운딩 상자를 이용할 수 있다. 생성 범위를 늘리는 것과 장면의 모든 관계가 전역적으로 일관되게 유지되는 것은 별도 문제다.
추론 과정의 제어
추가 학습이나 미세 조정 없이 새로운 생성 절차로 제어를 구현한다. 가중치를 다시 학습하지 않더라도 여러 경로를 처리하는 추론 비용은 들 수 있다. 같은 해상도와 조건에서 생성 품질 및 실제 비용을 함께 살펴야 한다.
겹치는 영역의 독립 예
설명용으로 두 생성 영역이 중앙 띠를 공유한다면 각 영역이 그 띠를 서로 다르게 만들 수 있다. 공통 제약은 두 결과가 한 장에서 맞물려야 한다는 문제를 드러낸다. 실제 목적 함수나 결합식을 재현하지 않는 경계 일관성의 예다.
관련 문서
조합 가능 확산 모형 / FreeControl / BoxDiff / GLIGEN / ControlNet / Attend-and-Excite