연구진이 그래프 구조를 학습하는 새로운 방법인 Diff-prior를 제안했어요. 기존 방법은 단순화된 그래프 사전으로 인해 구조 발견 성능이 제한적이었어요.
Diff-prior는 확산 모델을 활용해 잠재 그래프 분포를 조정하고, 불확실한 에지 포스터리어를 더 신뢰할 수 있는 구조로 만듭니다.
이 방법은 기존 NRI 아키텍처에 적용 가능하며, 실험 결과 구조 추론 성능이 향상되고 더 명확한 에지 포스터리어가 생성되는 것을 확인했어요.
코드와 모델은 GitHub에서 공개됐으며, 관련 연구는 arXiv에 게재됐습니다.