TILT: 모델 내재적 보상으로 확산 모델의 구성적 생성 향상
TILT: Improving Compositional Generation in Diffusion Models with a Model-Intrinsic Reward
TL;DR AI
1분핵심 요약
연구진은 확산 모델 기반의 조합적 텍스트-투-이미지 생성을 위한 학습 없는 방법 TILT를 제안했다.
TILT는 테스트 시점에 모델 내부의 보상 신호로 샘플링을 조정해, 여러 개념이 함께 잘 표현되지 않는 프롬프트를 다룬다.
이 방법은 KL 제약 하에서 기울어진 목표 분포를 유도하고, 두 가지 가이던스 전략을 결합한 하이브리드 방식을 사용한다.
T2ICompBench에서 TILT는 기존 기준선보다 조합 정합성을 높이면서도 시각적 품질을 유지했다.
외부 보상 모델이나 추가 감독 없이 복잡한 프롬프트 준수를 개선할 수 있는 실용적 접근이다.