본 논문은 차등적 개인정보 보호(DP) 이미지 합성을 위한 새로운 프레임워크를 제안합니다. 기존 DP 기반 확산 모델 학습 방식의 성능 저하 문제를 해결하기 위해, 커리큘럼 학습에서 영감을 얻어 쉬운 단계부터 어려운 단계까지 점진적으로 학습하는 2단계 접근 방식을 제시합니다. 쉬운 단계에서는 민감한 이미지 데이터셋의 무작위 샘플들의 집계인 '중앙 이미지'를 사용하여 초기 모델 학습을 용이하게 합니다. 이 중앙 이미지는 세부 정보는 부족하지만 이미지들의 일반적인 특징을 보여주며 개인정보 유출 위험을 최소화합니다. 실험 결과, 제안된 방법은 기존 최고 성능 방법보다 충실도 및 유용성 측면에서 평균 33.1% 및 2.1% 향상된 성능을 보였습니다.
