확산 모델은 시계열 예측에서 유망성을 보였지만, 회귀 기반 방법론에 비해 정확한 점 추정 성능을 달성하는 데 어려움을 겪었습니다. 이러한 한계를 극복하기 위해, 본 논문은 단일 단계, end-to-end 프레임워크인 SimDiff를 제안합니다. SimDiff는 단일 변압기 네트워크를 사용하여 노이즈 제거기 및 예측기로서의 역할을 수행하며, 외부 사전 훈련 또는 공동 훈련된 회귀 모델의 필요성을 없앴습니다. SimDiff는 출력 다양성을 활용하고, 앙상블 추론을 통해 평균 제곱 오차 정확도를 개선하여 최첨단 점 추정 성능을 달성합니다. 정규화 독립성 및 평균의 중앙값 추정기와 같은 주요 혁신을 통해 적응성과 안정성을 향상시켰습니다.
