연구진은 확산 모델이 저차원 다중 모드 구조를 가진 분포 학습에 있어 통계적 효율성을 보인다는 것을 밝혀냈습니다.
데이터 분포가 저차원 부분 공간에 의해 지원된다는 가정 하에, 확산 모델은 $ ilde{O}(\varepsilon^{-k \vee 2})$ 샘플로 $\varepsilon$ 오차를 달성합니다 (k는 내재 차원).
이번 연구는 부드러움, 유한 경계 밀도, 로그 오목 조건 없이 광범위한 분포에 적용 가능하며, 복잡한 고차원 학습에서 확산 모델의 성공을 뒷받침하는 이론적 근거를 제시합니다.