[논문] 복잡도 균형 확산 분할
개요
표준 연속시간 생성 모델은 등방성 잡음부터 복잡한 데이터 분포에 이르기까지 매우 다른 신호 영역을 탐색해야 하는 단일 구조에 의존합니다. 모델 용량을 확장하면 성능이 향상되지만, 거대한 네트워크를 전체 생성 타임라인에 균일하게 배치하는 것은 본질적으로 비효율적입니다. 본 연구에서는 Complexity-Balanced Splitting (CBS) 을 제안합니다. 이는 시간적 용량 할당을 위한 원칙적인 프레임워크로, 생성 작업을 여러 특화된 서브 네트워크에 분산합니다. 함수 근사 이론과 de Boor의 균등분배 원칙에 기반하여, CBS는 확산 타임라인을 근사 부담이 동일한 구간으로 나누고, 생성 역학을 모델링하기 어려운 영역에 더 많은 표현 용량을 할당합니다. 이러한 지역 복잡성을 추정하기 위해 두 가지 상보적이고 계산 가능한 모니터 함수를 도입합니다: 흐름의 디리클레 에너지에 기반한 공간적 측정과 샘플링 궤적 가속도에 기반한 기하학적 측정입니다. 경량 보조 모델을 사용해 복잡도 프로파일을 추정함으로써, 본 접근법은 휴리스틱한 시간 분할이나 계산 비용이 큰 탐색 절차의 필요성을 없앱니다. 다양한 아키텍처(SiT, JiT, UNet)와 데이터셋에 대한 광범위한 평가 결과, CBS는 단계당 추론 비용을 증가시키지 않으면서도 합성 품질을 일관되게 향상시킵니다. 특히, CBS는 단순한 시간 분할에 비해 SiT‑XL에서 CFG를 사용할 때 FID를 약 35% 개선합니다. 프로젝트 페이지는 https://noamissachar.github.io/CBS/ 에서 확인할 수 있습니다.
주요 기여
이 논문은 다음 분야의 연구를 제시합니다:
- cs.CV
방법론
자세한 방법론은 전체 논문을 참고하십시오.
실용적 함의
이 연구는 cs.CV 분야의 발전에 기여합니다.
저자
- Noam Issachar
- Dani Lischinski
- Raanan Fattal
논문 정보
- arXiv ID: 2606.06477v1
- 카테고리: cs.CV
- 출판일: 2026년 6월 4일
- PDF: PDF 다운로드