연구진은 복잡한 변환 없이도 고품질 샘플을 빠르게 생성하는 단일 단계 생성 모델인 ROMS-IMLE을 개발했어요. IMLE 학습 목표와 소형 CNN 모델을 사용하여 반복적인 디노이징 없이 핵심 요소만 추가했어요. ImageNet 256에서 FID 2.56을 달성하며 뛰어난 정밀도와 재현율을 보여줬어요.
기존 생성 모델의 복잡한 변환 방식에 의문을 제기하며, 최소주의적 접근 방식으로 경쟁력 있는 모델을 설계했어요. 변분 추론, 적대적 학습, 수치적 적분과 같은 복잡한 방법 대신 IMLE를 활용했어요.
연구 결과, 점진적인 노이즈 분포 변환이 반드시 필요한 것은 아니며, 단순한 모델과 학습 목표로도 우수한 성능을 낼 수 있다는 것을 입증했어요.