이미지 생성 모델의 파라미터 튜닝 연구 = Research on Parameter Tuning of Image Generation Models

국문 초록 (Abstract)

최근, 이미지 생성형 AI의 출현으로 인해 사용자가 원하는 이미지를 빠르게 생성해 낼 수 있다. 이는 다양한 분야에서 활용이 가능하지만, 특정 분야에 적합한 이미지를 생성해내기 위해서는 모델의 파인튜닝이 필요하다. 본 논문에서는 이미지 유형별로 품질이 좋은 이미지를 생성하기 위한 최적의 파라미터를 찾기 위한 실험을 수행한다. 본 논문에서는 스테이블 디퓨전이라는 이미지 생성 모델을 사용하여 다양한 형태의 이미지를 다양한 파라미터 조합으로 학습하고, 학습된 모델을 활용하여 새로운 이미지를 생성할 때 어떤 파라미터 값에서 이미지를 잘 생성하는지를 평가한다. 이 때, 사용한 이미지의 종류는 5가지 유형이며, 사용한 파라미터 조합은 12가지이다. 실험 결과, 이미지 유형별 품질 좋은 이미지를 생성하기 위한 최적의 파라미터 조합이 다양하다는 것을 발견했다.

다국어 초록 (Multilingual Abstract)

Recently, with the emergence of image generation AI, users can quickly generate desired images. While this technology can be applied to various fields, fine-tuning of the model is necessary to generate images suitable for specific domains. In this paper, we conduct experiments to find the optimal parameters for generating high-quality images based on different image types. Using an image generation model called Stable Diffusion, we trained the model on various types of images with different parameter combinations, and evaluated which parameter values yielded the best image generation results. The types of images used in the experiment consisted of five categories, and twelve different parameter combinations were tested. The experimental results revealed that the optimal parameter combinations for generating high-quality images varied depending on the image type.