본 논문은 기존 등방성 가우시안 잡음 제거 과정을 사용하는 생성 확산 모델의 한계를 극복하기 위해, 에지(edge)를 고려한 새로운 잡음 스케줄러를 제시합니다. 이를 통해 등방성과 에지 보존 잡음을 혼합하는 하이브리드 잡음 기법을 도입하여, 데이터의 구조적 정보를 더 잘 활용하는 에지 보존 확산 모델을 제안합니다. 본 모델은 저주파수 영역 학습 향상을 통해 형태 및 구조 정보 표현 능력을 높이고, 무조건 이미지 생성 및 형태 기반 사전 정보를 활용한 생성 작업(예: 스트로크-이미지 생성)에서 최첨단 기준 모델들을 상회하는 성능을 보여줍니다. FID 및 CLIP 점수를 통해 최대 30%의 성능 향상을 정량적으로 입증합니다.
