본 논문은 텍스트-이미지 확산 모델의 느린 샘플링 과정을 개선하는 새로운 방법을 제시합니다. 기존 연구들이 추가적인 네트워크 훈련을 통해 효율성을 높이는 것과 달리, 본 논문은 재훈련, 미세 조정 또는 지식 증류 없이, 어텐션 맵의 재사용을 통해 직접적으로 지연 시간을 단축하는 데 초점을 맞춥니다. 특히, 반복적인 어텐션 맵 계산의 비효율성을 지적하고, ODE 이론에 기반한 전략을 통해 어텐션 맵을 재사용하여 최종 이미지의 왜곡을 최소화합니다. 실험 결과, 제안된 재사용 전략은 유사한 지연 시간을 갖는 기존의 적은 단계 샘플링 방법보다 원래 고지연 확산 모델이 생성한 이미지에 더 가까운 이미지를 생성하는 것으로 나타났습니다.