본 논문은 프롬프트 기반 이미지 생성 분야에서 널리 사용되는 확산 모델의 단점을 개선하고자, 역방향 이산화를 기반으로 하는 새로운 텍스트-to-이미지(T2I) 확산 모델 ProxT2I를 제안한다. ProxT2I는 점수 함수 대신 학습된 조건부 근접 연산자를 사용하며, 강화 학습과 정책 최적화를 활용하여 샘플러를 최적화한다. 또한, 고품질 인간 이미지와 상세 캡션을 포함하는 대규모 공개 데이터셋 LAION-Face-T2I-15M을 개발하여 학습 및 평가에 사용한다. 이 연구는 기존 점수 기반 모델에 비해 샘플링 효율성과 인간 선호도 정렬을 향상시키며, 낮은 컴퓨팅 및 작은 모델 크기로도 기존 SOTA 모델과 동등한 성능을 달성한다.
