본 논문은 잡음 제거 확산 확률 모델(DDPM)의 한계를 극복하기 위해 열 확산 모델(HDM)을 제안합니다. DDPM은 이미지를 전체적으로 처리하지만, 인접 픽셀은 동일한 객체에 속할 가능성이 높다는 점에 착안하여 HDM은 픽셀 간의 어텐션 메커니즘을 도입하여 이미지 디테일을 보존하고 더 사실적인 이미지를 생성합니다. HDM은 2차원 열 방정식의 이산 형태를 DDPM의 확산 및 생성 공식에 통합하여 이미지 처리 과정에서 인접 픽셀 간의 관계를 계산합니다. 실험 결과, HDM은 DDPM, 일관성 확산 모델(CDM), 잠재 확산 모델(LDM), 벡터 양자화 생성적 적대 신경망(VQGAN)과 같은 모델보다 더 높은 품질의 샘플을 생성하는 것으로 나타났습니다.