다양한 이미지 스케줄러를 적용한 Graph Diffusion Transformer 모델의 생성 성능 향상 및 비교

국문 초록 (Abstract)

본 논문은 Graph Diffusion Transformer (Graph-DiT) 모델에 이미지 Diffusion에서 사용되는 다양한 스케줄러(linear, sigmoid, exponential, cosine, DDIM)를 적용하여 생성 성능의 향상을 도모하고, 각 스케줄러가 모델의 생성 과정에 미치는 영향을 정량적으로 비교·분석하였다. 본 연구에서는 스케줄러별 특징에 따른 생성 품질 및 다양성의 변화를 validity, interval diversity, similarity 등의 평가 지표를 바탕으로 종합적으로 분석하였다. 실험 결과, 실험 결과, exponential과 cosine 스케줄러가 전반적으로 가장 우수한 성능을 보였고, 특히 cosine은 조건부 생성 지표에서 최고점을 기록한 반면, DDIM은 상대적으로 낮은 성능을 보였다. 이는 β 변화 양상이 생성 품질 최적화에 결정적임을 시사하며, 다양성과 일관성 간 trade-off를 고려한 균형 전략이 필요함을 보여준다. 이를 통해, 다양한 스케줄러의 적용이 Graph-DiT 모델의 생성 성능에 미치는 다면적인 영향을 파악할 수 있었으며, 본 논문은 이러한 분석 결과를 토대로 생성 품질 최적화를 위한 효과적인 스케줄링 전략과 향후 연구 방향에 대한 시사점을 제시한다.