조건부 확산 모델은 조합 일반화, 즉 훈련 데이터에 없는 조건 조합에 대해 신뢰할 수 있는 샘플을 생성하는 능력을 보여주고 있다. 그러나 이러한 능력의 기초가 되는 메커니즘은 아직 명확히 밝혀지지 않았다. 연구팀은 길이 일반화, 즉 훈련 중에 본 것보다 더 많은 객체를 포함하는 이미지를 생성하는 능력에 대해 연구하였다. 통제된 CLEVR 환경에서 실험을 진행한 결과, 길이 일반화가 일부 경우에는 가능하지만 다른 경우에는 그렇지 않다는 것을 발견하였다. 이는 모델이 조합 구조를 학습하는 데 있어 일관성이 없음을 시사한다. 이 연구는 조건부 확산 모델의 조합 일반화 능력의 기초를 이해하는 데 기여할 것으로 기대된다.

<Apple 뉴스 본문 전체읽기>