본 논문은 텍스트-이미지 생성에서 확산 모델의 한계점을 해결하기 위해, 추론 과정 중에 다중 모달 대규모 언어 모델(MLLM)을 사용하는 새로운 프레임워크인 PPAD(Ping-Pong-Ahead Diffusion)를 제안합니다. 기존 방법들이 최종 이미지의 사후 평가나 휴리스틱 재샘플링에 의존하는 것과 달리, PPAD는 중간 생성물에 대한 실시간 의미 분석을 통해 잠재적인 의미적 불일치를 식별하고, 이를 제어 가능한 신호로 변환하여 남은 잡음 제거 단계를 적극적으로 안내합니다. 이는 객체 혼동, 공간 오류, 부정확한 개수, 누락된 의미 요소 등의 문제를 해결하여 프롬프트-이미지 정렬 및 이미지 품질을 향상시킵니다. PPAD는 추론 전용 및 학습 강화 설정 모두를 지원하며, 매우 적은 확산 단계에서 의미 수정을 수행하여 강력한 일반성과 확장성을 제공합니다.
