LG AI Research 191
·2026.07.16 09:00
NeurIPS 2021에서 발표된 다양한 생성 모델 중 최근 가장 주목받는 Diffusion Model을 중심으로 핵심 연구를 리뷰한다.
LG AI Research의 Applied AI Research Lab 연구진이 NeurIPS 2021에서 발표된 주요 연구 논문들을 정리했다. 이번 리뷰의 핵심은 최근 가장 활발하게 연구되고 있는 생성 모델 중 하나인 Diffusion Model이다.
생성 모델은 데이터의 분포를 추정하여 새로운 데이터를 생성하는 모델로, 크게 Discriminative와 Generative 모델로 나뉜다. 본 글에서는 다양한 생성 모델의 특성을 비교 분석한다.
- Auto-regressive models (ARMs): 순차적 변수의 조건부 확률을 사용하며 데이터의 가능도(likelihood)를 계산할 수 있으나, 샘플링 속도가 느리다.
- Variational Autoencoders (VAEs): 잠재 변수를 활용해 빠른 학습과 샘플링이 가능하지만, 계산이 복잡하고 제약적인 사전 분포를 가진다.
- Generative Adversarial Networks (GANs): 생성자와 판별자의 경쟁을 통해 고품질 샘플을 생성하지만, 학습이 불안정할 수 있다.
- Diffusion Model: 데이터에 노이즈를 점진적으로 추가한 뒤 이를 다시 복구하는 과정을 학습한다. 복잡한 분포를 잘 추정하며, 최근 GAN 기반 모델보다 높은 품질의 샘플을 생성하고 ARM보다 나은 성능을 보여 주목받고 있다.
이 요약은 원문 이해를 돕기 위한 큐레이션입니다. 저작권은 원저작자에게 있으며, 정확한 내용과 맥락은 원문을 확인하세요.
요약 오류, 출처 표기 문제, 삭제 요청은 문의 · 건의로 알려주세요.