연구진은 디퓨전 및 플로우 기반 생성 모델의 가이드런스 방식이 확률 보존을 깨고 생성 과정을 왜곡한다고 분석했어요. 새로운 가이드런스 규칙인 AdaMaG를 제안하여, 생성 과정을 데이터 매니폴드에 가두고 이미지의 현실감을 높였어요. AdaMaG는 기존 방식의 문제점을 분석하고, 추가적인 비용 없이 구현 가능하며, 다양한 실험 결과에서 개선된 성능을 보였어요.
기존 가이드런스 방식은 확률 보존을 깨고 생성 과정을 왜곡하는 문제점을 가지고 있었어요. 연구진은 이러한 문제점을 해결하기 위해 AdaMaG라는 새로운 가이드런스 규칙을 제안했어요.
AdaMaG는 기존 방식의 문제점을 분석하고, 추가적인 비용 없이 구현 가능하며, 다양한 실험 결과에서 개선된 성능을 보였어요.