본 논문은 텍스트-이미지 확산 모델에서 불확실성을 효율적으로 추정하기 위한 새로운 프레임워크인 Epistemic Mixture of Experts (EMoE)를 제안합니다. EMoE는 사전 훈련된 네트워크를 활용하여 추가적인 훈련 없이 프롬프트로부터 직접 불확실성을 추정합니다. 기존 방법보다 확산 과정 내의 잠재 공간을 활용하여 인식 불확실성을 더 잘 포착합니다. COCO 데이터셋에 대한 실험 결과는 EMoE의 효과를 보여주며, 불확실성과 이미지 품질 간의 강한 상관관계를 보여줍니다. 또한, EMoE는 과소 표본 언어 및 지역을 더 높은 불확실성으로 식별하여 훈련 세트의 숨겨진 편향을 드러냅니다. 이 기능은 EMoE가 AI 생성 콘텐츠의 공정성과 책임성을 해결하는 도구로서의 관련성을 보여줍니다.
