본 논문은 기존의 불연속 및 연속 확산 모델의 한계를 극복하는 새로운 텍스트 생성 모델인 NeoDiff (Non-simultaneous Continuous Diffusion Model)을 제안합니다. 불연속 모델은 토큰별 독립적인 잡음 추가로 세밀한 제어가 어렵고, 연속 모델은 균일한 잡음 추가로 의미적 뉘앙스를 포착하는 데 한계가 있습니다. NeoDiff는 포아송 확산 과정을 도입하여 유연하고 세밀한 잡음 추가를 가능하게 하고, 시간 예측기를 사용하여 토큰 의미에 따라 잡음 제거 과정을 적응적으로 조절합니다. 또한, 최적화된 추론 일정을 활용하여 정확한 잡음 제어 및 성능 향상을 도모합니다. 여러 텍스트 생성 작업에 대한 실험 결과, NeoDiff는 기존의 비자동회귀 연속 및 불연속 확산 모델, 반복 기반 방법 및 자기회귀 확산 기반 방법보다 우수한 성능을 보였습니다.
