본 논문은 고품질 샘플을 생성하지만 추론 속도가 느린 확산 모델과 플로우 매칭의 한계를 해결하기 위해, 단일 단계 학습 절차를 통해 1단계 또는 소수 단계 샘플링을 위한 새로운 생성 모델인 유도 모멘트 매칭(IMM)을 제안합니다. IMM은 기존의 증류 방법과 달리 사전 훈련된 초기화와 두 개의 네트워크 최적화가 필요 없으며, 일관성 모델과 달리 분포 수준의 수렴을 보장하고 다양한 하이퍼파라미터와 표준 모델 아키텍처에서 안정성을 유지합니다. ImageNet-256x256 데이터셋에서 8단계 추론만으로 1.99 FID를 달성하여 확산 모델을 능가하며, CIFAR-10 데이터셋에서는 처음부터 학습된 모델로 2단계 FID 1.98의 최첨단 성능을 달성했습니다.
