본 논문은 기존의 분산 확산 모델에서 고품질 조건부 샘플 생성을 위한 가이드 기술(예: Classifier-Free Guidance) 사용 시 추가 학습이나 신경망 함수 평가(NFE)가 필요하다는 문제점을 해결하기 위해, PLADIS라는 새로운 효율적인 방법을 제안합니다. PLADIS는 추론 과정 중 크로스 어텐션 레이어에서 소프트맥스 및 그에 대한 스파스 상대방을 사용하여 쿼리-키 상관관계를 외삽하여 사전 훈련된 U-Net/Transformer 모델을 향상시킵니다. 추가 학습이나 NFE 없이도 스파스 어텐션의 노이즈 강건성을 활용하여 텍스트-이미지 확산 모델의 잠재력을 높여 기존 모델의 어려움을 극복하고 텍스트 정렬 및 사람의 선호도를 향상시킵니다. 가이드 증류 모델을 포함한 가이드 기술과 원활하게 통합됩니다.
