본 논문은 기존 확산 모델의 고해상도 이미지 생성 성능 저하 문제를 해결하기 위해 훈련 없이 고해상도 합성이 가능한 RectifiedHR 방법을 제안합니다. RectifiedHR은 노이즈 갱신 전략을 통해 모델의 고해상도 합성 능력을 향상시키고 효율성을 개선합니다. 또한, 고해상도 합성 과정에서 발생하는 에너지 감소 현상을 최초로 발견하고, 평균잠재에너지 분석을 통해 분류기 없는 안내 하이퍼파라미터 조정으로 이미지 흐릿함 문제를 해결합니다. RectifiedHR은 훈련이 필요 없고 효율적이며, 이미지 편집, 맞춤형 생성, 비디오 합성 등 다양한 확산 모델 기법과 호환됩니다. 다양한 기준 방법들과의 비교 실험을 통해 RectifiedHR의 우수성과 효율성을 검증합니다.
