연구진이 분류기 기반 확산 모델에서 저밀도 영역 탐색을 강화하는 새로운 샘플링 기법을 제안했어요.
기존 방식은 고밀도 영역에 확률 질량을 집중시켜 클래스 조건부 분포의 꼬리 부분에서 희소 샘플을 제대로 커버하지 못하는 한계가 있었어요.
제안된 기법은 사전 학습된 조건부 확산 모델과 분류기를 활용하여, 분류기 기울기를 통해 저신뢰 영역으로 경로를 조종하고, 각 시간 단계에서 예측된 실제 이미지 방향으로 샘플링 과정을 안내해요.
이를 통해 ADM 모델의 재현율을 향상시키고, 고화질 샘플 생성을 가능하게 했으며, 추가적인 학습 없이 샘플링 시간 내에서 밀도 인지 확장을 구현했어요.