본 연구에서는 확산 모델 추론 속도를 높이는 동시에 확률적 샘플 생성을 유지하는 teacher-free 프레임워크인 확률적 전이 맵 증류(STMD)를 제안합니다.
STMD는 기존의 스코어 기반 확산 모델과 달리, 샘플링 확률적 미분 방정식(SDE)과 관련된 전체 전이 맵을 증류합니다.
MNIST, CIFAR-10, CelebA 데이터셋에서 다양한 이미지 생성 예제를 통해 STMD의 효과를 검증하고, Wasserstein 거리에 대한 수렴 경계를 도출했습니다.