本研究では、特に拡散モデルにおける画像生成の最適化に焦点を当て、最適化手法として進化的アルゴリズム（EAs）の一種である分離共分散行列適応進化戦略（sep-CMA-ES）が、従来広く用いられているアダム最適化手法と比較されました。実験では、画像の評価にLAION Aesthetic Predictor V2とCLIPScoreを組み合わせた加重フィットネス関数が使用され、視覚的魅力とプロンプト遵守の間で柔軟なトレードオフが可能になっています。結果として、sep-CMA-ESは美的および整合性の指標においてアダムよりも一貫して優れた改善を示し、拡散モデルの優れた制御性を実現することが明らかになりました。この研究は、深層生成モデルの埋め込み空間探索における進化的手法の可能性を強調するとともに、今後の研究の方向性についても示唆しています。