본 논문은 다양한 조건부 소스 분포를 대상 분포로 매핑하는 통일된 변환 함수를 찾는 Diversified Distribution Matching (DDM)에 대한 연구를 소개합니다. DDM은 비짝지 도메인 변환에서 콘텐츠 정렬 불일치 문제를 해결하여 변환 식별성을 달성하지만, 변환 함수에 대한 제약으로 인해 GANs으로만 구현되어 왔습니다. 본 연구에서는 DDM을 위한 ODE 기반 프레임워크인 Diversified Flow Matching (DFM)을 제안합니다. Flow Matching (FM)을 DDM과 같이 통일된 변환 함수를 적용하는 것은 FM이 변환 함수 자체가 아닌 속도를 학습하기 때문에 어렵습니다. 이러한 문제를 해결하기 위해, 맞춤형 이중 레벨 최적화 기반 훈련 손실, 비선형 보간기 및 구조적 재구성을 제안하여 DFM의 구체적인 구현을 제공합니다. DFM은 변환 식별성을 보장하는 최초의 ODE 기반 접근 방식입니다. 합성 및 실제 데이터셋에 대한 실험을 통해 제안된 방법론을 검증합니다.
