본 논문은 기존의 Classifier-Free Guidance (CFG)와 같은 안내 기법을 사용하는 확산 모델이 추가 학습이나 신경망 함수 평가(NFE)를 필요로 하여 안내 증류 모델과 호환되지 않는 문제점을 해결하기 위해, PLADIS라는 새로운 효율적인 방법을 제안합니다. PLADIS는 희소 어텐션을 활용하여 사전 학습된 U-Net/Transformer 모델을 향상시키는 방법으로, 추론 과정에서 크로스 어텐션 레이어의 소프트맥스 및 희소 소프트맥스를 이용하여 쿼리-키 상관관계를 외삽합니다. 추가 학습이나 NFE 없이도 희소 어텐션의 노이즈 강건성을 활용하여 텍스트-이미지 확산 모델의 잠재력을 향상시켜 기존 모델이 어려움을 겪던 영역에서도 효과적으로 작동하도록 합니다. 안내 증류 모델을 포함한 다양한 안내 기법과 원활하게 통합되며, 광범위한 실험을 통해 텍스트 정렬 및 사용자 선호도에서 눈에 띄는 개선을 보여줍니다.
