확산 모델의 추론 지연 문제를 해결하기 위해, 궤적 기반 및 분포 기반 증류 방식을 결합한 Hierarchical Distillation (HD) 프레임워크를 제안합니다. 궤적 기반 증류를 통해 구조적 "스케치"를 생성하고, 이를 분포 기반 정제 단계의 초기화로 사용하여 성능 향상을 이끌어냅니다. 또한, Adaptive Weighted Discriminator (AWD)를 도입하여 세부 사항을 효율적으로 개선하는 적대적 훈련 과정을 제시합니다. ImageNet 및 MJHQ 벤치마크에서 state-of-the-art 성능을 달성하여, 고품질 단일 단계 확산 모델을 위한 새로운 패러다임을 제시합니다.
