확률 보존 흐름 가이드 (Probability-Conserving Flow Guidance)

요약

기존의 Classifier-Free Guidance(CFG) 방식이 생성 매니폴드의 기하학적 구조를 무시하여 확률 보존을 깨뜨리는 문제를 분석합니다. 본 연구는 연속 방정식을 통해 가이드 효과를 점수 평행 항과 발산 항으로 분해하고, 이를 제어하는 적응형 매니폴드 가이드(AdaMaG)를 제안합니다. AdaMaG는 추가 비용 없이 이미지의 사실성을 높이고 환각 현상을 줄이며 채도 저하 문제를 개선합니다.

핵심 포인트

• 기존 CFG 방식은 확률 보존을 깨뜨려 샘플을 학습된 매니폴드 밖으로 밀어내는 한계가 있음
• 가이드 효과를 연속 방정식을 기반으로 점수 평행 항(Score-parallel term)과 발산 항(Divergence term)으로 분해 가능함을 증명
• 샘플링 과정에서 발산 항이 구조적으로 폭발하는 문제를 해결하기 위해 시간 의존적 스케줄링의 필요성 제시
• 추가 추론 비용 없이 적용 가능한 적응형 매니폴드 가이드(AdaMaG)를 통해 생성 품질 및 사실성 향상