Tempered Guided Diffusion: 훈련 없이 조건부 샘플링을 위한 새로운 접근법

요약

Tempered Guided Diffusion (TGD)는 훈련 없이 조건부 샘플링을 수행하기 위한 새로운 프레임워크입니다. 이 방법은 확산 사전(diffusion priors)과 Annealed Sequential Monte Carlo(ASMC) 기법을 결합하여, 노이즈된 확산 상태를 보조 변수로 활용하며 점진적 확률비율로 가중치를 부여받는 입자 전파 방식을 사용합니다. 특히, TGD의 개선 버전인 Accelerated TGD (A-TGD)는 재구성 작업의 비용을 줄이면서도 초기 탐색과 고확률 궤적 추적을 결합하여 높은 후방 근사 성능과 효율적인 속도-품질 트레이드오프를 달성합니다.

핵심 포인트

• TGD는 별도의 모델 훈련 없이 조건부 샘플링이 가능한 확산 기반 접근법입니다.
• Annealed Sequential Monte Carlo (ASMC) 프레임워크를 사용하여 점진적 확률비율로 입자를 가중치 부여 및 전파합니다.
• 노이즈된 확산 상태는 재구성 및 입자 전파의 보조 변수로만 사용되어 계산 효율성을 높입니다.
• Accelerated TGD (A-TGD)를 통해 샘플링 과정 중 일부 단계에서 단일 고확률 궤적으로 전환하여 비용을 절감하고 성능을 유지합니다.