본 논문은 도메인 특정 이미지 분류 작업을 위한 데이터 증강에서 다양성, 충실성, 레이블 명확성을 동시에 확보하는 어려움을 해결하고자 제안된 새로운 프레임워크를 제시합니다. 기존의 생성 확산 모델 기반 방법들이 이 세 가지 측면을 통합적으로 다루지 못하고 확산 모델의 고유한 한계(모델 특성 및 강력한 변환 하의 확률성에 대한 민감도)를 간과하는 문제점을 지적하며, 관심 영역 기반 혼합과 미세 조정된 확산 모델을 활용하여 전경 의미를 보존하고 배경 다양성을 풍부하게 하며 레이블 일관성을 유지하는 방법을 제안합니다. 다양한 실험 결과를 통해 최첨단 기법보다 우수한 성능을 보임을 입증합니다.
