연구진은 가우시안 DDPM에서 공분산 매칭이 경로 KL 오차를 줄여 샘플링 성능을 향상시킨다는 것을 밝혔습니다. 랑크로즈 가우시안 샘플러(LGS)를 통해 공분산을 효율적으로 샘플링할 수 있으며, 이는 기존 방법보다 훨씬 빠릅니다.
LGS는 훈련 없이도 공분산-벡터 곱셈만으로 최적의 역 공분산에서 샘플링할 수 있으며, 약계 코변스 저장 및 보조 코변스 모델이 필요 없습니다. 랑크로즈 단계가 많을수록 근사 오차가 지수적으로 감소합니다.
실험 결과, 랑크로즈 단계를 세 단계만 사용해도 기존의 강력한 대각 코변스 기준보다 샘플 품질이 향상되었으며, 이론적으로 가치 있고 실용적으로 접근 가능한 공분산 매칭임을 확인했습니다.