연구진은 시각 조건 제어 생성의 듀얼 브랜치 모델에서 사이드 브랜치의 역할과 학습 효율성을 재조명했어요.
LISA(Likelihood Score Alignment)는 사이드 브랜치의 중간 피처를 Likelihood Score와 정렬하는 새로운 정규화 방법이에요. 가벼운 디코더를 사용하여 사이드 브랜치 피처를 Score 잠재 공간으로 투영하고, Likelihood Score를 추정하여 정규화 손실을 계산해요.
이미지/비디오 작업, 아키텍처, Diffusion/Flow 모델 실험 결과, LISA는 학습 속도를 높이고 합성 결과를 개선하며 사이드 브랜치 피처를 분리하는 데 효과적이에요.