Diffusion Models Beat GANs on Image Synthesis

2022년 04월 01일 (금) | 발표자: 장유진

이 논문은 GAN과 Diffusion model간의 차이를 줄이기 위해서 Architecture를 개선하고, Classifier Guidance를 사용해서 생성 데이터의 Fidelity와 Diversity를 Trade off 하고자 하였다.

Classifier Guidance는 Classifier를 노이즈 이미지에 학습하고 이에 대한 classifier의 gradient를 이용해서 diffusion sampling process에게 임의의 class label y에 대한 guide를 주는 방법을 제안한다.

이 방법을 통해 conditional, unconditional diffusion Model에 적용함으로써 IS, FID, Precision과 Recall 메트릭에서 trade off를 확인했다. 그리고 ImageNet, LSUN 데이터셋에 대하여 SOTA인 GAN 모델들을 이겼다.