본 논문은 고품질 샘플을 생성하지만 추론 속도가 느린 확산 모델과 플로우 매칭 모델의 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 모델을 필요로 하지 않으며, 두 개의 네트워크를 최적화할 필요가 없습니다. 또한, 일관성 모델과 달리 분포 수준의 수렴을 보장하며 다양한 하이퍼파라미터와 표준 모델 아키텍처에서 안정적으로 작동합니다. ImageNet-256x256 데이터셋에서 8단계 추론으로 1.99 FID를 달성하여 확산 모델을 능가하며, CIFAR-10 데이터셋에서는 처음부터 학습된 모델로 2단계 추론에서 1.98 FID라는 최첨단 성능을 기록했습니다.
