연구진이 통합 데이터 효율적 이미지-이미지 변환을 위한 분리 잔차 디노이징 확산 모델(DRDD)을 제안했어요. 기존 확산 모델은 데이터 조화화를 위해 가우시안 노이즈를 주입하지만, 노이즈와 잔차가 동시에 제거되어 효과가 약화되는 문제가 있었어요. DRDD는 도메인 조화 및 매니폴드 리프팅을 위한 확산 단계와 핵심 의미 매핑 학습을 위한 잔차 확산 단계를 분리하여 학습 효율성을 높였고, 풍부한 unpaired 데이터만으로 학습 가능해요.