디커플드 디퓨전 트랜스포머(Decoupled Diffusion Transformers)는 이미지 생성 작업에서 높은 품질의 이미지를 생성하기 위해 시맨틱 디테일 분리와 인코더 공유를 통해 가속화하는 방법을 제시하고 있다. 이 모델은 기존의 GAN 및 자기 회귀 아키텍처를 능가하는 성능을 보여주며, 전진 확산 과정에서 이미지에 점진적으로 노이즈를 추가한 뒤 이 과정을 되돌리는 방식으로 작동한다. 이를 통해 모델은 데이터 분포를 근사하게 학습하게 된다. UNet 기반 확산과는 달리, 디커플드 디퓨전 트랜스포머는 시맨틱 정보와 디테일을 분리하여 처리하고 인코더를 공유함으로써 효율적인 학습과 생성을 이루어낸다.

<Mark Tech Post 뉴스 본문 전체읽기>