본 논문은 잡음 제거 확산 확률 모델(DDPM)에서 사전 훈련된 모델로부터의 가속화된 샘플링을 위한 널리 사용되는 방법 중 하나인 잡음 제거 확산 암시적 모델(DDIM) 프레임워크 내에서 가우시안 혼합 모델(GMM)을 역 전이 연산자(커널)로 사용하는 것을 제안합니다. 구체적으로, GMM의 매개변수를 제약하여 DDPM 순방향 주변 확률의 1차 및 2차 중심 모멘트를 일치시킵니다. 실험 결과, 가우시안 커널을 사용하는 기존 DDIM과 동등하거나 더 나은 품질의 샘플을 얻기에 모멘트 매칭이 충분함을 보여줍니다. CelebAHQ 및 FFHQ에서 훈련된 무조건 모델과 ImageNet 데이터셋에서 훈련된 조건부 모델을 사용하여 실험 결과를 제시합니다. 결과는 샘플링 단계 수가 적을 때 GMM 커널을 사용하면 FID 및 IS 지표로 측정했을 때 생성된 샘플의 품질이 크게 향상됨을 시사합니다. 예를 들어, ImageNet 256x256에서 10개의 샘플링 단계를 사용할 경우, GMM 커널을 사용하여 FID 6.94 및 IS 207.85를 달성했으며, 가우시안 커널을 사용했을 때는 각각 10.15 및 196.73을 달성했습니다.