본 논문은 비디오 확산 모델에서 초기 노이즈 선택이 생성 품질과 프롬프트 정렬에 미치는 영향을 다룹니다. 기존 방법들이 외부적으로 설계된 사전 정보(예: 주파수 필터, 프레임 간 스무딩)에 의존하는 것과 달리, 본 논문에서는 모델 내부 신호를 활용하여 최적의 노이즈 시드를 선택하는 ANSE(Active Noise Selection for Generation) 프레임워크를 제안합니다. ANSE는 BANSA(Bayesian Active Noise Selection via Attention)라는 획득 함수를 사용하여 여러 확률적 어텐션 샘플 간의 엔트로피 불일치를 측정하여 모델의 신뢰도와 일관성을 추정합니다. 효율적인 추론을 위해 BANSA의 베르누이 마스크 근사치를 도입하여 단일 확산 단계와 일부 어텐션 레이어만으로 점수를 추정합니다. CogVideoX-2B 및 5B에 대한 실험 결과, ANSE는 추론 시간을 각각 8% 및 13% 증가시키는 것만으로 비디오 품질과 시간적 일관성을 향상시키는 것을 보여줍니다.
