연구진은 디퓨전 모델의 일반적인 지식 편향으로 인해 희귀 개념 이미지 생성에 어려움이 있다고 밝혔습니다. 이를 해결하기 위해 반사실적 추론 기반의 CI-Diff 접근 방식을 제안하여 모델의 편향을 차단하고 희귀 개념의 속성을 독립적으로 반영합니다. CI-Diff는 기존 디퓨전 모델의 한계를 극복하고 RareBench 벤치마크에서 우수한 성능을 입증했습니다.
CI-Diff는 기존의 classifier-free guidance 메커니즘을 개선하여 비정상적인 속성을 강조하고, 자연적인 직접 효과를 활용하여 희귀 개념의 속성이 이미지 생성에 미치는 영향을 독립적으로 파악합니다. 연구진은 CI-Diff를 통해 인과 추론을 희귀 개념 생성 작업에 처음으로 도입했습니다.
GitHub에서 CI-Diff 코드를 확인할 수 있으며, 연구 결과는 디퓨전 모델 기반 이미지 생성 분야에 새로운 가능성을 제시합니다.