본 논문은 확산 모델과 흐름 일치 모델과 같은 다단계 접근 방식(일반적으로 81000개의 샘플링 단계 필요)과 일관성 모델과 같은 소수 단계 방법(일반적으로 18개 단계)을 포함한 연속 생성 모델의 최근 발전에 대해 다룹니다. 기존 연구에서는 이러한 접근 방식을 개별적인 패러다임으로 취급하여 별도의 훈련 및 샘플링 방법론을 사용했습니다. 본 논문에서는 이러한 모델의 훈련, 샘플링 및 분석을 위한 통합 프레임워크를 제시합니다. 제시된 통합 연속 생성 모델 트레이너 및 샘플러(UCGM-{T,S})는 최첨단(SOTA) 성능을 달성합니다. 예를 들어, 6억 7500만 매개변수의 확산 트랜스포머를 사용하여 ImageNet 256x256에서 UCGM-T는 20단계에서 FID 1.30을 달성하는 다단계 모델과 단 2단계에서 FID 1.42에 도달하는 소수 단계 모델을 훈련합니다. 또한, 사전 훈련된 모델(이전에는 250단계에서 FID 1.26)에 UCGM-S를 적용하면 단 40단계 만에 FID 1.06으로 성능이 향상됩니다. 코드는 https://github.com/LINs-lab/UCGM 에서 이용 가능합니다.
