프롬프트 설명

깨끗하고 학문적인 스타일로 제시된 개략적인 다이어그램은 시계열 데이터에 적용된 확산 모델의 학습 및 추론 프로세스 간의 차이점을 보여줍니다. 왼쪽은 학습 단계를 나타냅니다. 실제 깨끗한 데이터로 시작하여 순방향 확산 프로세스를 통해 가우시안 노이즈가 반복적으로 추가됩니다. 모델은 ground-truth 노이즈 샘플을 사용하여 학습됩니다. 부드럽고 일관된 화살표는 안정적인 데이터 분포를 나타냅니다. 오른쪽은 추론 (샘플링) 단계를 보여줍니다. 순수한 노이즈에서 시작하여 역방향 확산 프로세스가 수행되며, 모델은 자체 사전 예측을 입력으로 반복적으로 사용합니다. 사소하고 누적된 예측 오류가 시각적으로 강조되어 입력 분포가 학습 분포에 비해 이동합니다. "학습 분포" 및 "추론 분포"는 명확하게 레이블이 지정되어 있으며, 이들의 불일치는 발산하는 화살표 또는 오프셋 궤적을 사용하여 묘사됩니다. 최소한의 플랫 디자인이 사용되며, 흰색 배경과 부드러운 색상 (학습의 경우 파란색, 추론의 경우 주황색 또는 빨간색)이 특징입니다.