연구진은 인간처럼 다단계 추론이 가능한 비디오 모델 개발을 위해 HDR(Hierarchical Denoising for Visual Reasoning) 프레임워크를 제안했어요.
HDR은 계층적 잠재 변수를 활용해 원인 기반 비디오 생성을 가능하게 하며, 거칠기에서 세밀함으로 이어지는 추론 과정을 통해 복잡한 문제를 해결해요.
HDR은 기존 방식 대비 추론 성공률을 76.2% 향상시키고, 54.2배 빠른 속도로 저지연 스트리밍을 제공하며, 전체 데이터 대비 2%의 학습 데이터만으로 82.9%의 성능을 유지해요.