본 논문은 오토리그레시브 패치 기반 이미지 생성 모델에서 기존의 래스터 스캔 순서가 이미지 내용의 인과 관계를 고려하지 못한다는 점을 지적합니다. 예를 들어, 일몰을 묘사하는 시각적 설명을 조건으로 할 때, 구름의 색깔은 태양의 색깔에 의존해야 하지만, 래스터 스캔 순서에서는 태양보다 구름을 먼저 생성할 수 있습니다. 따라서 본 논문에서는 임의의 순서로 패치를 생성하는 모델을 훈련하여 패치의 내용과 위치(순서)를 추론하고, 이를 이용하여 더 나은 이미지를 생성하는 방법을 제시합니다. 실험 결과, 두 가지 데이터셋에서 기존의 래스터 스캔 방식보다 더 나은 이미지 품질을 달성함을 보였으며, 훈련 비용은 유사하고 추가적인 어노테이션이 필요하지 않았습니다.
