연구진이 확산 모델 제어의 새로운 프레임워크인 제프리 가이드런스를 제안했어요. 제프리 가이드런스는 표준 가이드런스가 표현하기 어려운 목표를 달성하기 위해 조건부 구조를 유지하고 관측 가능한 최소한의 변화를 통해 분포를 업데이트해요. CIFAR-10과 FFHQ 데이터셋에서 Inception 임베딩을 목표로 설정했을 때 FID 점수가 크게 감소하는 결과를 확인했어요.
기존 가이드런스는 목표 분포를 명시적으로 정의하기 어려웠지만, 제프리 가이드런스는 제프리의 조건부 규칙을 활용하여 목표 분포를 업데이트해요. 이를 통해 CelebA-HQ 데이터셋에서 속성 간 독립성을 유지하는 공정성 개선에도 활용 가능성을 보여줬어요.
제프리 가이드런스는 확산 모델의 유연성을 높여 다양한 제어 애플리케이션을 가능하게 하며, 조건부 구조를 보존하고 최소한의 변화로 목표 분포를 업데이트하는 효과적인 방법으로 평가받고 있어요.