연구진은 텍스트-이미지 모델의 RGB 생성 사전 학습이 풍부한 의미, 구조, 기하학적 사전 지식을 학습한다는 점에 주목했어요.
기존 방식은 밀집 예측을 RGB 생성으로 간주하여 깊이, 노멀, 알파 매트, 마스크, 히트맵과 같은 주석을 RGB 학습 VAE 잠재 공간에 인코딩하고 이미지와 같은 타겟으로 디코딩하는 방식이었어요.
연구진은 이러한 방식이 RGB 합성보다 밀집 예측에 필요한 것보다 더 많은 생성 출력 인터페이스를 상속한다고 주장하며, DiT의 패치-토큰-패치 격자를 활용하여 각 토큰을 고정된 출력 패치에 매핑하는 새로운 방법을 제안했어요.
ReChannel이라는 이름의 새로운 방법은 FLUX-Klein을 사용하여 6가지 밀집 예측 작업에서 새로운 최고 성능을 달성했으며, 기존 방식보다 정확하고 2.48배 더 빠른 속도를 보였어요.