本研究では、拡散モデルの推論時におけるマルチターゲット生成を支援する「Inference-time Multi-target Generation (IMG)」アルゴリズムを提案しています。これまでの方法は、進化アルゴリズムなどの外部最適化ループを使用していましたが、拡散モデルをブラックボックスとして扱い、生成過程の内部分布遷移を無視していました。この提案されたIMGアルゴリズムは、推論時における拡散プロセスを最適化し、複数の目的を同時に満たすサンプルを生成することを目指しています。具体的には、期待される多目的値に基づいた重み付きリサンプリングを実施し、得られたサンプルが特定のボルツマン分布に従うようにしています。実験結果から、IMGは単一の生成パスで従来の最適化方法に比べて高い成果を上げることが示され、さらなる性能向上の可能性も示唆されています。