제어 강화 자동회귀 확산을 이용한 데이터 동화

초록

본 논문은 사전 학습된 자동회귀 확산 모델(ARDM)에 경량 제어 네트워크를 추가해, 관측 데이터를 사전에 미리 살펴보며 단계별 보정을 수행하는 데이터 동화 프레임워크(CAD A)를 제안한다. 제어는 엔트로피 정규화된 확률 최적 제어 문제로 해석되며, 학습은 짧은 미리보기 윈도우에서 오프라인으로 수행한다. 테스트 시에는 단일 전방 롤아웃만으로 빠르고 안정적인 장기 예측이 가능하며, 기존 확산 기반 DA 방법보다 10배 가량 속도가 빠르고 물리적 일관성을 크게 향상시킨다.

상세 분석

이 연구는 최근 확산 모델의 테스트‑타임 스케일링과 파인튜닝이 활발히 진행되는 흐름에 맞추어, 특히 자동회귀 확산 모델(ARDM)에서의 가이드 메커니즘이 부족함을 지적한다. 저자들은 ARDM을 사전 학습된 “프리트레인” 프라이어로 두고, 이를 고정한 채로 경량 제어 네트워크를 삽입해 각 디노이징 서브스텝에 작은 보정값 u(s)ₜ₊₁을 추가한다. 이 보정은 미래 관측 yₜ₊Δ를 미리 preview(프리뷰)하여, 터미널 비용 Φ(xₜ; yₜ)와 KL 정규화 항을 결합한 변분 목표 C(P)=∑ₜEₓ∼P