본 논문은 차등적 개인정보 보호(DP) 이미지 합성을 위한 새로운 프레임워크를 제안합니다. 기존 DP-SGD 기반 확산 모델 학습 방식의 성능 저하 문제를 해결하기 위해, 커리큘럼 학습에서 영감을 얻어 쉬운 단계부터 어려운 단계까지 점진적으로 학습하는 2단계 접근 방식을 사용합니다. 쉬운 단계에서는 민감한 데이터셋의 무작위 샘플들의 집계인 '중심 이미지'를 사용하여 모델이 간단한 특징을 먼저 학습하도록 합니다. 이를 통해 초기 단계의 학습을 효율적으로 진행하고 개인정보 유출 위험을 최소화합니다. 실험 결과, 네 가지 이미지 데이터셋에 대한 평균적으로 기존 최고 성능 방법보다 충실도와 유용성 측면에서 각각 33.1% 및 2.1% 향상된 결과를 얻었습니다.
