연구진은 디퓨전 모델 미세조정 시 LoRA 랭크 선택이 품질과 연산 비용에 미치는 영향을 CIFAR-10 데이터셋과 DDPM U-Net을 이용해 랭크 2, 4, 8, 16, 32 조건에서 통제 실험으로 분석했다. FID, 학습 파라미터 수, 실행 시간, GPU 메모리를 측정한 결과 랭크 4가 가장 우수한 FID(124.14)를 기록했고 랭크 8도 근접한 성능(124.21)을 보인 반면, 더 높은 랭크는 적응 비용 대비 성능 향상이 제한적이었다. 확장된 학습 예산의 DDPM과 Tiny DiT 백본에서도 같은 경향이 재현됐다. 이는 고정된 학습 예산 하에서는 중간 정도의 낮은 랭크가 실용적인 기본값이 될 수 있음을 시사한다.

• •CIFAR-10과 DDPM U-Net으로 LoRA 랭크 2~32 구간을 통제 실험
• •랭크 4가 최고 FID(124.14), 랭크 8도 근접한 성능(124.21) 기록
• •랭크를 높여도 적응 비용 대비 성능 향상은 제한적
• •Tiny DiT 백본과 확장 학습 예산에서도 동일 경향 재현
• •고정 예산 환경에서는 중저랭크가 실용적 기본값으로 제안됨