StippleDiffusion: 제어된 확산 모델을 이용한 용량 제한 스티플링 (Capacity-Constrained Stippling)

요약

StippleDiffusion은 기존의 느리고 미분 불가능한 반복 최적화 방식 대신, 확산 모델을 활용하여 용량이 제한된 스티플링 패턴을 생성하는 새로운 샘플러를 제안합니다. 이 모델은 타겟 밀도 맵과 고해상도 이미지를 조건으로 하여, 점의 개수와 무관한 속도로 블루 노이즈 구조를 유지하며 정밀한 점 집합을 생성합니다. 특히 훈련 시 보지 못한 점 예산에 대해서도 뛰어난 일반화 성능을 보이며, 기존 최적화 방식과 대등한 성능을 달성했습니다.

핵심 포인트

• 기존의 미분 불가능하고 느린 반복 최적화 방식의 한계를 극복한 확산 기반 샘플러 제시
• 용량 제한(Capacity-constrained) 및 이미지 조건(Image-conditioned)을 동시에 만족하는 최초의 방식
• 시그모이드 게이트 1x1 투영을 통해 강한 밀도 신호 하에서도 블루 노이즈 구조 보존
• 훈련 시 학습하지 않은 점 예산(Point budgets)에 대해서도 높은 일반화 성능 제공
• Icons-50 벤치마크에서 기존 밀도별 최적화 베이스라인과 대등한 성능 입증