스펙트럼 구조와 통계 보존을 통한 효율적 확산 모델

초록

본 논문은 이미지의 푸리에 스펙트럼 공간에서 확산 과정을 설계하여, 전통적인 백색 잡음 대신 평균·분산을 유지하는 가우시안 사전 N(μ̂,Σ̂) 으로 수렴하도록 한다. 이를 통해 스펙트럼 구조와 파워‑law 통계를 보존하면서도 역확산 단계의 계산량을 크게 줄이고, 다양성과 시각적 품질을 향상시킨다.

상세 분석

PreSS(Preserving Spectral Structure and Statistics) 모델은 기존 DDPM이 픽셀 공간에서 전역적으로 데이터를 파괴하고 흰색 잡음 N(0,I) 에 도달하도록 설계된 점을 근본적으로 재고한다. 저자들은 자연 이미지의 푸리에 스펙트럼이 1/K^α 형태의 파워‑law 분포와 헤비테일 특성을 갖는다는 사실을 실험적으로 확인하고, 이러한 통계적 규칙이 평균 μ̂ 와 분산 Σ̂ 이라는 간단한 가우시안 파라미터에 요약될 수 있음을 제안한다.

핵심 아이디어는 이미지 x₀ 를 푸리에 변환 F 을 통해 스펙트럼 벡터 \hat{x}_0 로 매핑한 뒤, 전통적인 마코프 체인 대신 다음과 같은 닫힌 형태의 전진 과정(식 10‑11)을 정의하는 것이다.
\