Latent Adversarial Diffusion Distillation을 이용한 고속 고해상도 이미지 합성

Diffusion model은 이미지 및 비디오 생성의 핵심 기술이지만, 추론 속도가 느리다는 단점이 있다. 최근 Adversarial Diffusion Distillation (ADD) 방식이 단일 단계 추론을 목표로 도입되었으나, 고정된 DINOv2 discriminator에 의존하는 특성 때문에 최적화가 어렵고 비용이 많이 드는 문제가 있었다.

새로운 방식인 **Latent Adversarial Diffusion Distillation (LADD)**는 이러한 한계를 극복한다. 픽셀 기반의 ADD와 달리, LADD는 사전 학습된 Latent Diffusion Model의 생성적 특징(generative features)을 활용한다. 이 접근법은 학습 과정을 단순화하는 동시에 성능을 높여, 고해상도 및 다양한 종횡비의 이미지 합성을 가능하게 한다.

연구진은 LADD를 **Stable Diffusion 3 (8B)**에 적용하여 SD3-Turbo를 구현했다. SD3-Turbo는 단 4번의 unguided sampling만으로도 최첨단(SOTA) 텍스트-이미지 생성 모델과 대등한 성능을 구현한다.

또한, LADD의 스케일링 동작을 체계적으로 분석하였으며, 이미지 편집 및 인페인팅(inpainting)과 같은 다양한 응용 분야에서도 그 효과를 입증했다.