AI 탐구노트

DiffusionDB 텍스트-투-이미지 모델이 대중화되면서 ‘프롬프트를 잘 쓰는 법’이 중요한 기술이 됐지만, 그동안은 개인 경험담이나 소규모 실험에 의존하는 경우가 많았습니다. 즉, 사람들이 실제로 어떤 프롬프트를 쓰고 어떤 설정값(예 : 스텝 수, CFG 스케일)을 조합했는지, 그 결과가 얼마나 안정적이었는지에 대한 현실 데이터가 부족했습니다. 그 문제를 해결하기 위해 나온 것이 DiffusionDB입니다. 1) 개요 DiffusionDB는 Stable Diffusion으로 생성된 이미지와, 실제 사용자가 입력한 프롬프트 및 생성 하이퍼파라미터를 짝지어 모은 대규모 텍스트-투-이미지 프롬프트 데이터셋입니다. '대규모 프롬프트 갤러리' 성격의 데이터로, 프롬프트 작성 방식과 생성 결과의 관계를 연구하..

1. 서론우리는 사진을 볼 때 특정한 사물(예: 강아지, 자동차, 나무)을 구분해서 볼 수 있는 반면. 컴퓨터는 이를 쉽게 이해하지 못하죠. 그래서 컴퓨터가 사진 속에서 원하는 사물만 찾아내도록 하는 기술이 필요한데 이를 이미지 분할(Image Segmentation) 이라고 합니다. 기존의 이미지 분할 기술은 크게 두 가지 방법이 있습니다.사전에 학습된 모델 사용 :  컴퓨터가 미리 학습한 사물(예: 고양이, 자동차)만 인식할 수 있어 새로운 사물에는 적용하기 어렵습니다.사람이 직접 선택 : 사용자가 사진 위에 선을 그리거나 특정 영역을 클릭해서 원하는 부분을 골라야 하지만, 시간이 많이 걸리고 불편합니다.이 논문에서는 스케치를 이용한 새로운 이미지 분할 방법을 제안합니다. 사용자가 직접 원하는 사물의..