DBMSolver: A Training-free Diffusion Bridge Sampler for High-Quality Image-to-Image Translation

작성자

Haebom

카테고리

Empty

저자

Sankarshana Venugopal (Seoul National University), Mohammad Mostafavi (Seoul National University), Jonghyun Choi (Seoul National University)

💡 개요

본 논문은 확산 모델 기반 이미지-대-이미지 변환(I2I)에서 발생하는 느린 샘플링 속도 문제를 해결하기 위해, 확산 모델의 근본적인 확률 미분 방정식(SDE) 및 상미분 방정식(ODE)의 준선형 구조를 활용하는 학습 없는 샘플러인 DBMSolver를 제안합니다. DBMSolver는 지수 적분기를 사용하여 1차 및 2차 솔루션을 효율적으로 도출하며, 이를 통해 함수 평가 횟수(NFE)를 최대 5배까지 줄이면서도 이미지 품질을 향상시킵니다.

🔑 시사점 및 한계

•

확산 모델 기반 I2I 변환에서 샘플링 효율성을 획기적으로 개선하고 고품질 결과 생성을 가능하게 합니다.

•

학습 과정 없이 기존 DBM 모델에 적용 가능하여 실용성을 높이며, DIODE 데이터셋에서 20 NFE로 기존 2차 기준선 대비 FID 점수를 53% 낮추는 등 뛰어난 성능을 보여줍니다.

•

본 연구에서 제시된 효율적인 샘플링 기법은 향후 고해상도 및 복잡한 I2I 변환 작업에 대한 연구 방향을 제시합니다.

•

특정 DBM의 SDE/ODE 구조에 대한 의존성이 존재하며, 더 복잡하거나 비선형적인 구조를 가진 DBM에 대한 적용 가능성 및 성능 향상 여부는 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage