본 논문은 확산 모델과 흐름 일치 모델과 같은 다단계 접근 방식(일반적으로 8-1000개의 샘플링 단계 필요) 및 일관성 모델과 같은 소단계 방법(일반적으로 1-8개의 단계 필요)을 포함한 연속 생성 모델에 대한 통합 프레임워크를 제시합니다. 이 프레임워크는 다양한 연속 생성 모델의 훈련, 샘플링 및 분석을 통합적으로 수행하며, Unified Continuous Generative Models Trainer and Sampler (UCGM-{T,S})라는 구현체를 통해 최첨단 성능을 달성합니다. ImageNet 256x256 데이터셋에서 675M 확산 트랜스포머를 사용한 실험 결과, 다단계 모델은 20단계에서 1.30 FID, 소단계 모델은 2단계에서 1.42 FID를 달성했습니다. 또한, 사전 훈련된 모델에 UCGM-S를 적용하여 250단계에서 1.26 FID였던 성능을 40단계에서 1.06 FID로 향상시켰습니다. 코드는 https://github.com/LINs-lab/UCGM 에서 이용 가능합니다.
