확산 모델은 고품질 이미지 생성을 달성하지만 느린 반복 샘플링에 제한을 받는다. 점수 증류 기법은 한 단계 또는 몇 단계의 생성을 가능하게 함으로써 이를 완화한다. 흐름 일치는 처음에는 독립적인 프레임워크로 소개되었지만 가우시안 가정 아래에서 확산과 이론적으로 동등하다는 것이 밝혀졌다. 이로 인해 점수 증류와 같은 증류 기술이 직접 전이되는지가 의문이었다. 저자들은 ODE/SDE에 의존하지 않고 베이즈의 법칙과 조건부 기대값에 기초한 간단한 유도를 제공하여 가우시안 확산과 흐름 일치를 통합한다. 이를 통해 흐름 일치 모델의 점수 증류를 탐구한다.

<Apple 뉴스 본문 전체읽기>