REBECA는 사용자의 다양성을 고려하지 못하는 기존 확산 기반 이미지 생성 시스템의 한계를 극복하고자 개발된 경량화되고 확장 가능한 개인화된 이미지 생성 프레임워크입니다. REBECA는 선호도 데이터에 의존하지 않고, 좋아요, 평점, 클릭과 같은 암묵적 피드백 신호를 직접 학습하여 개인화된 이미지를 생성합니다. 구체적으로, REBECA는 두 단계의 프로세스를 사용합니다. 먼저, 사용자 및 평점에 특화된 이미지 임베딩을 샘플링하는 조건부 확산 모델을 훈련시키고, 이후 사전 훈련된 확산 백본을 사용하여 이를 이미지로 디코딩합니다. 이 접근 방식은 대규모 사용자 기반에서 효율적이고 파인 튜닝이 필요 없는 개인화를 가능하게 합니다. 실제 데이터 세트에 대해 REBECA를 엄격하게 평가하고, 새로운 통계적 개인화 검증기 및 순열 기반 가설 검정을 통해 선호도 일치성을 평가합니다. REBECA는 계산 효율성을 유지하면서 기준선보다 우수한, 개인 취향에 맞는 고품질 이미지를 일관적으로 생성합니다.
