본 논문은 고품질 샘플을 생성하지만 추론 속도가 느리고, 몇 단계 모델로 증류하는 경우 불안정성과 과도한 튜닝으로 이어지는 확산 모델과 플로우 매칭의 한계를 해결하기 위해, 단일 단계 훈련 절차를 사용하여 하나 또는 몇 단계 샘플링을 위한 새로운 생성 모델 클래스인 유도 모멘트 매칭(IMM)을 제안합니다. IMM은 증류와 달리 사전 훈련 초기화 및 두 네트워크의 최적화가 필요 없으며, 일관성 모델과 달리 분포 수준의 수렴을 보장하고 다양한 하이퍼파라미터와 표준 모델 아키텍처에서 안정성을 유지합니다. IMM은 8단계 추론만 사용하여 ImageNet-256x256에서 1.99 FID로 확산 모델을 능가하며, 처음부터 훈련된 모델에 대해 CIFAR-10에서 최첨단 2단계 FID인 1.98을 달성합니다.
