연구진이 확산 모델의 한계를 극복하기 위해 Accelerated Likelihood Maximization (ALM) 기술을 개발했어요. ALM은 기존 방식의 단점을 보완하여 전역적으로 일관성 있고 현실적인 콘텐츠 생성을 가능하게 해요. 다양한 데이터 영역과 작업에서 기존 방법보다 뛰어난 성능을 보여 다재다능 콘텐츠 생성의 새로운 패러다임을 제시합니다.
기존 방식은 특정 작업에 강하지만 일반화 성능이 낮거나, 효율성은 좋지만 전역적 일관성이 떨어지는 문제가 있었어요. ALM은 이러한 문제점을 해결하기 위해 역확산 과정에 통합되어 관찰되지 않은 영역을 직접 최적화하는 방식을 사용해요. 이를 통해 전역적으로 일관성 있고 현실적인 콘텐츠 생성이 가능해졌어요.
ALM은 기존 방식보다 계산 효율성을 높이는 가속화 전략을 포함하고 있어 성능 저하 없이 빠른 속도로 콘텐츠를 생성할 수 있어요. 다양한 데이터 영역과 작업에서 기존 방법보다 우수한 성능을 입증하며 다재다능 콘텐츠 생성의 새로운 가능성을 열었습니다.