본 논문은 그래프와 같은 이산 구조에 대한 생성 모델링에서 상당한 발전을 이룬 이산 확산 및 흐름 매칭 모델의 시간 의존성으로 인한 오류 누적 및 전파 문제를 해결하기 위해 제안된 연구입니다. 특히 마스크 확산에서 두드러지는 이 문제는 시퀀스 모델링의 알려진 한계이며, 본 논문에서 그래프를 위한 이산 확산 모델에도 영향을 미친다는 것을 보여줍니다. 이를 해결하기 위해, 시간에 따른 조건부 독립성을 가정하여 이산 확산을 단순화하고 문제를 우회하는 반복적 탈잡음(Iterative Denoising) 프레임워크를 제시합니다. 또한 데이터 분포 하에서의 가능성에 기반하여 인스턴스의 요소를 선택적으로 유지하거나 손상시키는 비평가(Critic)를 통합하여 모델을 향상시켰습니다. 실험 결과, 제안된 방법이 그래프 생성 작업에서 기존 이산 확산 기준 모델보다 성능이 훨씬 뛰어남을 보여줍니다.
