확산 모델은 classifier-free guidance (CFG)와 같은 guidance 방법을 사용하여 생성 성능을 향상시켰다. ASAG (Adversarial Sinkhorn Attention Guidance)는 최적 수송의 관점에서 확산 모델의 attention score를 재해석하고 Sinkhorn 알고리즘을 통해 수송 비용을 의도적으로 방해하는 새로운 방법이다. ASAG는 attention 메커니즘을 무작위로 손상시키는 대신, self-attention 레이어 내에 적대적 비용을 주입하여 query와 key 간의 픽셀 단위 유사성을 감소시킨다. 이를 통해 잘못된 attention 정렬을 약화시키고 조건부 및 무조건부 샘플 품질을 향상시킨다. ASAG는 텍스트-이미지 확산에서 일관된 개선을 보이며, IP-Adapter 및 ControlNet과 같은 다운스트림 애플리케이션에서 제어 가능성과 충실도를 향상시킨다. 이 방법은 가볍고 plug-and-play 방식이며, 모델 재훈련 없이 신뢰성을 향상시킨다.
