본 논문은 확산 모델 훈련의 속도 향상을 위한 새로운 방법인 SpeeD를 제시합니다. SpeeD는 시간 단계의 특성을 분석하여, 가속, 감속, 수렴 영역으로 구분하고, 수렴 영역에 집중된 시간 단계의 샘플링 빈도를 줄이고 다른 영역의 샘플링 확률을 높이는 비대칭적 샘플링 전략과 빠른 변화를 보이는 시간 단계의 중요도를 강조하는 가중치 전략을 제안합니다. 플러그 앤 플레이 방식으로 다양한 확산 모델 아키텍처, 데이터셋, 작업에서 3배의 속도 향상을 달성하며, 간편한 설계로 오버헤드를 최소화하여 확산 모델 훈련 비용을 크게 절감합니다.
