연구진이 마스크 디퓨전 모델(MDM)의 성능을 높이는 새로운 방법인 재귀적 마스크 디퓨전 모델(R-MDM)을 제시했어요. R-MDM은 기존 모델의 파라미터 수를 늘리지 않고도 모델 깊이를 늘려 성능을 향상시키는 방식이에요.
수도쿠, 카운트다운 등 생성 작업에서 R-MDM은 기존 모델 대비 파라미터 효율성이 크게 향상됐으며, L번의 재귀 반복 모델이 기존 모델보다 약 L배 더 많은 파라미터를 사용하면서도 비슷한 성능을 낼 수 있었어요.
재귀적 정제는 추가적인 디노이징 단계를 대체하여 추론 시 더 적은 횟수의 순방향 패스를 통해 동일한 생성 품질을 달성할 수 있도록 해줘요.