연구진은 디퓨전 모델의 반복 샘플링 과정에서 발생하는 오차 누적 현상, 즉 노출 편향 문제를 분석했어요. 훈련과 추론 과정에서 발생하는 주파수 의존적 불일치를 발견하고, 이를 주파수 의존적 SNR 오차로 해석했어요. 스펙트럼 정렬(SPA) 기법을 제안하여 중간 예측의 파워 스펙트럼을 사전 값에 맞춰 조정하며, 3~4%의 미미한 계산 오버헤드만 발생해요.
SPA는 오프라인에서 파라메트릭 스펙트럼 모델을 피팅하고, 추론 시 FFT 기반의 효율적인 그래디언트 계산을 통해 가이던스를 제공해요. 기존 CFG와 상호 보완적으로 사용 가능하며, 다양한 아키텍처에서 성능 개선을 입증했어요.
연구 결과는 DDPM, ADM, SD2.0, SDXL, SD3.5, FLUX 등 다양한 모델에 적용 가능하며, GitHub에서 구현체를 확인할 수 있어요.