본 논문은 누락된 데이터의 보완을 위해 확산 모델을 활용하는 기존 방법들의 한계점을 지적하고, 이를 해결하기 위한 새로운 방법인 MissDDIM을 제안한다. 기존의 확산 모델 기반 방법들은 높은 추론 지연 시간과 불안정한 출력으로 인해 실제 표 형태 데이터에 적용하는 데 어려움이 있었다. MissDDIM은 Denoising Diffusion Implicit Models (DDIM)을 표 형태 데이터 보완에 적용한 조건부 확산 프레임워크로, 확률적 샘플링을 통해 다양한 보완 결과를 얻으면서도 출력의 변동성을 줄이는 것을 목표로 한다.
