[논문리뷰] What Makes a Good Unmasking Policy? A Controlled Study of Learned Unmasking in Diffusion Language Models본 논문은 Masked Diffusion Language Models에서 효율적인 생성 속도를 달성하기 위한 Unmasking Policy의 설계 기준을 명확히 규명하고자 합니다.#Review#Masked Diffusion Language Models#Unmasking Policy#Trajectory Contraction#Efficiency#Throughput#NFE#Distillation2026년 10월 22일댓글 수 로딩 중
[논문리뷰] Consistent Distribution Matching for Data-Free Diffusion Distillation본 논문은 확산 모델 및 Flow 모델의 높은 추론 비용을 해결하기 위한 데이터 독립적(Data-Free)인 효율적 증류 프레임워크를 제안합니다. 기존 증류 방법들은 외부 데이터셋에 의존하거나, Teacher 모델의 역방향 시뮬레이션에 의존하여 계산 복잡도가 높고 학습 파이프라인이 비대효율적이라는 한계가 있습니다 .#Review#Diffusion Distillation#Flow Matching#Data-Free#Consistent Distribution Matching#NFE#Generative Modeling2026년 10월 18일댓글 수 로딩 중
[논문리뷰] Parallel Decoding Distillation for Fast Image and Video Generation본 논문은 대규모 Diffusion 및 Flow 모델의 높은 계산 비용과 긴 추론 지연 시간을 해결하기 위해 PDD를 제안합니다 . 기존의 고성능 생성 모델들은 반복적인 Sampling 과정으로 인해 수백 번의 네트워크 평가가 필요하며, 이는 실시간 서비스에 심각한 병목 현상을 유발합니다.#Review#Parallel Decoding Distillation#Diffusion Models#Flow Matching#Trajectory-based Distillation#Video Generation#NFE#Fast Inference2026년 7월 28일댓글 수 로딩 중