PriorGrad

• 논문
• ICLR 2022 Poster

배경 지식

• [[Diffusion Model (DDPM)]]
• [[Latent Diffusion Model (LDM)]]

논문의 아이디어

원래 [[Diffusion Model (DDPM)]]에서 Forward Process를 진행할때, 결국 어떠한 형태의 노이즈가 되는지 기억나는가? 그렇다, $\mathcal{N}(0,I)$이다. 그리고 이 아무 노이즈에서 원래 이미지를 복원하는 Denoise 과정을 학습하는 것이다. 근데 [[Latent Diffusion Model (LDM)]]과 같은 condition generation을 할 때에, 아무 노이즈를 쓰는 것이 아니라, condition의 데이터에 특성을 반영한 노이즈부터 시작하면 안될까? 그렇게 하면 디퓨젼 모델을 효율적으로 학습 및 인퍼런스 할 수 있지 않을까? 이것이 이 논문의 아이디어다.

참고로 forward process의 끝이자 reverse process의 시작인 노이즈 $X_T$가 이 논문에서 말하는 prior이다.

어떻게 할까?

먼저 DDPM의 훈련 과정과 인퍼런스 과정을 다시 복기하자.

DDPM Train 과정

1. 데이터셋에서 데이터를 샘플링한다.
2. 1~$T$ 중에 특정 step을 랜덤으로 고른다. (노이즈 스케줄이 정해져있기 때문에 순차적이 아닌 마구잡이로 학습할 수 있다)
3. $\mathcal{N}(0,I)$를 따르는 노이즈를 샘플링한다.
4. 이제 $\mathcal{L}_{simple}$을 계산하고 그 그라디언트를 이용해 모델 $\epsilon_\theta$를 업데이트한다.

DDPM 인퍼런스 과정

1. 생성을 시작할 노이즈를 $\mathcal{N}(0,I)$에서 샘플링한다.
2. 이제 $T$부터 순차적으로 모델 $\epsilon_{\theta}$를 이용해서 디노이즈 한다.
3. 마지막으로 생성 결과 $X_0$를 리턴한다.

증명을 생략하면 쉽다(???)

아래는 PriorGrad의 훈련 및 인퍼런스 과정이다.

PriorGrad 훈련 과정

1. 데이터셋에서 데이터를 샘플링한다.
2. 1~$T$ 중에 특정 step을 랜덤으로 고른다.
3. $\mathcal{N}(0,\Sigma)$를 따르는 노이즈를 샘플링한다.
4. 이제 $\mathcal{L}_{simple}$를 계산한다. 이 때, 공분산 행렬의 역행렬 $\Sigma^{-1}$를 이용한 마할라노비스 거리이다.
5. 그라디언트를 이용해 모델 $\epsilon_\theta$를 업데이트한다.

PriorGrad 인퍼런스 과정

1. 생성을 시작할 노이즈를 $\mathcal{N}(0,\Sigma)$에서 샘플링한다.
2. 이제 $T$부터 순차적으로 모델 $\epsilon_{\theta}$를 이용해서 디노이즈 한다.
3. 마지막으로 생성 결과 $X_0$를 리턴한다. 이 때 prior의 평균 $\mu$를 더해준다.

결과

[[Vocoder]]에서의 성능

Diffwave와 비교했더니, 학습 속도도 빠르고 결과도 더 좋았다.

[[Acoustic Model]]에서의 성능

FastSpeech 2와 비교했더니 성능이 더 좋았다.