국내 연구진이 이미지 생성 모델에 별도 학습 없이 창의성을 강화할 수 있는 인공지능(AI) 기술을 개발했다. 이에 뻔하지 않은 창의적인 의자 디자인도 AI가 스스로 그려낼 수 있게 됐다.
KAIST는 최재식 김재철AI대학원 교수 연구팀이 네이버 AI Lab과 공동 연구를 통해 추가적 학습 없이 AI 생성 모델의 창의적 생성을 강화하는 기술을 개발했다고 19일 밝혔다.
연구팀은 텍스트 기반 이미지 생성 모델의 내부 특징 맵을 증폭해 창의적 생성을 강화하는 기술을 개발했다. 아울러 모델 내부의 얕은 블록들이 창의적 생성에 중요한 역할을 한다는 것을 발견, 특징 맵을 주파수 영역으로 변환 후 높은 주파수 영역에 해당하는 부분의 값을 증폭하면 노이즈나 작게 조각난 색깔 패턴의 형태를 유발하는 것을 확인했다.
이에 연구팀은 얕은 블록의 낮은 주파수 영역을 증폭함으로 효과적으로 창의적 생성을 강화할 수 있음을 확인했다.
연구팀은 창의성을 정의하는 두 가지 핵심 요소인 독창성과 유용성을 모두 고려해 생성 모델 내부의 각 블록 별로 최적의 증폭 값을 자동으로 선택하는 알고리즘을 제시했다. 개발된 알고리즘을 통해 사전 학습된 스테이블 디퓨전 모델의 내부 특징 맵을 적절히 증폭해 추가적인 분류 데이터나 학습 없이 창의적 생성을 강화할 수 있었다.
연구팀은 개발된 알고리즘을 사용하면 기존 모델 대비 더욱 참신하면서도 유용성이 크게 저하되지 않은 이미지를 생성할 수 있음을 다양한 측정치를 활용해 정량적으로 입증했다.
스테이블 디퓨전 XL(SDXL) 모델의 이미지 생성 속도를 대폭 향상하기 위해 개발된 SDXL-Turbo 모델에서 발생하는 모드 붕괴 문제를 완화함으로 이미지 다양성이 증가한 것을 확인했다. 사용자 연구를 통해 사람이 직접 평가했을 때도 기존 방법에 비해 유용성 대비 참신성이 크게 향상됨을 입증했다.
공동 제1 저자인 한지연·권다희 KAIST 박사과정은 "생성 모델을 새로 학습하거나 미세조정 학습하지 않고 생성 모델의 창의적인 생성을 강화하는 최초의 방법론ˮ이라며 "학습된 인공지능 생성 모델 내부에 잠재된 창의성을 특징 맵 조작을 통해 강화할 수 있음을 보였다ˮ 라고 말했다.
연구 결과는 ‘국제 컴퓨터 비전 및 패턴인식 학술대회(IEEE CVPR)’에서 지난 15일 발표됐다.