연구진은 훈련 없이 조건부 확산 모델을 사용하는 새로운 샘플링 프레임워크인 Tempered Guided Diffusion (TGD)을 제안했습니다. TGD는 깨끗한 신호에 대한 tempered posterior 분포를 타겟으로 하여, 노이즈가 있는 확산 상태를 보조 변수로 활용합니다.
TGD는 입자 재가중치, 리샘플링, 노이즈 레벨 간 전파를 통해 계산 효율성을 높이며, 이상적인 조건에서는 posterior 분포를 근사합니다.
실험 결과, TGD는 독립적인 다중 경로 기반 샘플러보다 우수한 posterior 근사와 속도-품질 균형을 보여주었습니다.