매니폴드 정렬 생성 전송

본 논문은 고차원 데이터가 저차원 매니폴드에 집중되는 상황에서, 기존 확산 모델의 다중 단계 샘플링 비용과 정규화 흐름의 가역성·차원 보존 제약을 동시에 극복하고자 하는 목표로 “Manifold‑Aligned Generative Transport (MAGT)”를 제안한다. 1. **문제 설정 및 동기** - 실제 데이터는 종종 내재 차원 d ≪ D인 매니폴드 M ⊂ ℝᴰ에 거의 전적으로 존재한다. 이러한 경우, 확률 질량을 전체 ℝᴰ에 퍼뜨리는 전통적인 밀도 모델은 불필요한 자유도를 사용해 매니폴드 외부로 누수가 발생하고, 로그우도 계산이 부정확해지는 문제를 야기한다. - 확산 모델은 스코어를 이용해 매니폴드 근처 구조를 포착하지만, 수십에서 수백 단계의 역전파가 필요해 추론이 비효율적이다. 반면 정규화 흐름은 한 번의 전방 패스로 샘플링하지만, 가역성 요구와 차원 보존으로 인해 매니폴드에 맞는 매핑을 설계하기 어렵다. 2. **MAGT의 핵심 아이디어** - 데이터 Y₀에 고정된 가우시안 잡음 (αₜ, σₜ)를 추가해 스무딩된 관측 Yₜ = αₜ Y₀ + σₜ Zₜ (Zₜ ∼ 𝒩(0, Iᴰ))를 만든다. 이때 σₜ>0이므로 Yₜ는 전역적으로 정의된 밀도와 스코어 ∇₍yₜ₎ log pₜ(yₜ)를 갖는다. - 스코어는 조건부 평균 E