본 논문은 기존 확산 모델 기반 시계열 생성의 한계점을 극복하기 위해 TimeBridge 프레임워크를 제안합니다. TimeBridge는 확산 브리지를 활용하여 선택된 사전 분포와 데이터 분포 사이의 경로를 학습함으로써 유연한 시계열 데이터 합성을 가능하게 합니다. 특히, 조건부 및 무조건부 생성을 위한 다양한 사전 분포 디자인 (데이터 및 시간 의존적 사전 분포, 스케일 보존 사전 분포)을 탐구하고, 데이터 기반 사전 분포를 사용한 TimeBridge가 기존 확산 모델보다 시계열 생성 성능이 우수함을 실험적으로 보여줍니다.
