생성 확산 모델의 성능은 노이즈 스케줄링 함수 선택에 따라 달라지며, 이는 시간 재매개변수화로도 표현될 수 있습니다. 본 논문에서는 각 샘플링 지점이 최종 생성에 동일한 양의 정보를 기여하도록, 균등한 시간 간격 대신 엔트로피를 기반으로 샘플링 지점을 선택하는 시간 스케줄러를 제시합니다. 이 시간 재매개변수화가 초기 시간 선택에 의존하지 않음을 증명하고, 훈련 손실을 사용하여 상당한 오버헤드 없이 훈련된 모델에 대한 엔트로피 시간을 추정하는 정확한 공식을 제공합니다. 최적성 결과에서 영감을 받아, 재조정된 엔트로피 시간도 도입했습니다. Gaussian 분포 혼합 및 ImageNet 실험을 통해, (재조정된) 엔트로피 시간을 사용하면 훈련된 모델의 추론 성능이 크게 향상됨을 보여줍니다. 특히, 사전 훈련된 EDM2 모델의 이미지 품질이 재조정된 엔트로피 시간 재매개변수화를 통해 함수 평가 횟수를 늘리지 않고도 FID 및 FD-DINO 점수로 평가 시 크게 향상되었으며, 소수의 NFE 환경에서 더 큰 개선을 보였습니다.
