본 논문은 이미지-이미지(I2I) 확산 모델의 해석성을 향상시키는 새로운 방법인 I2AM(Image-to-Image Attribution Maps)을 제시합니다. I2AM은 참조 이미지와 생성 이미지 간의 양방향 어트리뷰션 맵을 시각화하여, 크로스 어텐션 점수를 시간 단계, 어텐션 헤드, 레이어에 걸쳐 집계함으로써 중요한 특징들이 이미지 간 어떻게 전달되는지에 대한 통찰력을 제공합니다. 객체 검출, 인페인팅, 초해상도 작업에서 I2AM의 효과를 보여주며, 복잡한 장면에서도 출력 생성에 책임이 있는 주요 영역을 성공적으로 식별함을 입증합니다. 또한, 어트리뷰션 맵과 인페인팅 마스크 간의 정렬을 평가하는 새로운 평가 지표인 IMACS(Inpainting Mask Attention Consistency Score)를 제시하며, 이 지표가 기존 성능 지표와 강한 상관관계를 갖는다는 것을 보여줍니다. 광범위한 실험을 통해 I2AM이 모델 디버깅 및 개선을 가능하게 하여 I2I 모델의 성능과 해석성을 향상시키는 실용적인 도구를 제공함을 보여줍니다.
