분류자 없는 안내
분류자 없는 안내는 확산 모델이 실제로 사용자의 프롬프트를 따르도록 만드는 기술로, 훨씬 더 강력한 준수를 위해 일부 다양성을 교환합니다.
개요
거의 모든 이미지 생성기에서 '가이던스 스케일' 슬라이더 뒤에 있는 단일 다이얼입니다.
심층 분석
초기 유도 확산에는 샘플을 원하는 클래스로 푸시하기 위해 별도의 분류기가 필요했는데, 이는 취약하고 추가 교육이 필요했습니다. 2022년 Jonathan Ho와 Tim Salimans가 제안한 분류자 없는 지침은 이러한 종속성을 제거합니다. 훈련 중에 모델은 일정 비율의 조건(텍스트 프롬프트)을 무작위로 삭제하므로 단일 네트워크를 사용하여 조건부 예측과 무조건 예측을 모두 생성하는 방법을 학습합니다. 샘플링 시간에는 모델을 단계당 두 번(프롬프트가 있는 경우와 없는 경우) 실행한 다음 무조건적 예측에서 조건부 예측으로 외삽합니다. 외삽 정도가 지침 척도입니다. 값이 높을수록 프롬프트 준수가 더 엄격해지고 채도가 강해지며, 값이 낮을수록 다양성은 높아지지만 일치는 느슨해집니다.
기술적 통찰력
수학적으로 가이드 노이즈 예측은 무조건 예측에 가이드 척도에 조건부 예측과 무조건 예측 간의 차이를 곱한 것입니다. 1등급은 지침이 없음을 의미합니다. 일반적인 값은 5~9입니다. 배율을 매우 높게 올리면 프롬프트 기능이 증폭되지만 모델이 학습된 분포를 훨씬 벗어나 추정하기 때문에 과포화 색상, 거친 대비 및 아티팩트가 발생합니다. 잡음 제거 단계당 약 2번의 전달이 필요합니다.
전략적 영향
속도와 규모
Visual AI는 대규모 검사, 감지 및 태그 지정 작업을 자동화할 수 있습니다.
빌드 선택
크리에이티브 팀은 수동 수정 횟수를 줄여 컨셉의 프로토타입을 더 빠르게 제작할 수 있습니다.
팀과 워크플로우
이전에는 처리하기 어려웠던 이미지 및 비디오 신호를 작업에 사용할 수 있습니다.
분류자 없는 안내의 미래
연구원들은 동적 임계값 지정, 단계에 따라 강도를 변경하는 안내 일정 및 재조정 트릭을 통해 과포화 없이 신속한 준수를 유지하기 위한 지침을 개선하고 있습니다. 이제 증류된 모델은 안내를 단일 패스로 만들어 컴퓨팅을 절반으로 줄이고, 최신 공식에서는 무조건 분기가 전혀 필요하지 않은 교란 주의 및 자동 안내를 탐색하여 저렴한 비용으로 선명하고 충실한 이미지를 목표로 합니다.
실제 구현
Stable Diffusion 또는 Midjourney에서 'CFG 규모' 슬라이더를 조정하여 창의성과 즉각적인 정확성의 균형을 맞춥니다.
프롬프트에 설명된 렌더링하기 어려운 특정 개체를 생성기에 포함하도록 지침을 높입니다.
많은 설계 옵션을 탐색할 때 더 다양하고 과포화도가 낮은 출력을 얻기 위해 지침을 낮춥니다.
높은 디테일의 렌더링에서 색상 번 아티팩트를 줄이기 위해 프로덕션 파이프라인의 조정 지침 일정
위험 및 가드레일
출처가 불분명할 경우 이미지 권리 및 동의는 법적 위험이 될 수 있습니다.
모델 성능은 조명, 인구통계, 환경에 따라 달라질 수 있습니다.
신뢰도 임계값을 모니터링하지 않으면 거짓양성이 발견되지 않을 수 있습니다.
구현 로드맵
정밀도, 재현율, 오류 비용에 대한 허용 기준을 정의합니다.
실제 생산 조건과 일치하는 데이터로 테스트합니다.
신뢰도가 낮거나 영향력이 큰 예측에 대해 인적 검토를 추가합니다.
모델 드리프트를 추적하고 카메라 또는 데이터 세트가 변경된 후 재검증합니다.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Classifier-Free Guidance quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
나이브 베이즈 분류기
자주 묻는 질문
분류기 없는 안내란 무엇인가요?
분류자 없는 안내는 확산 모델이 실제로 사용자의 프롬프트를 따르도록 만드는 기술로, 훨씬 더 강력한 준수를 위해 일부 다양성을 교환합니다. 거의 모든 이미지 생성기의 '안내 척도' 슬라이더 뒤에 있는 단일 다이얼입니다.
분류자 없는 안내의 주요 목적은 무엇입니까?
분류기가 없는 안내는 무조건 예측에서 조건부 예측으로 추론하여 신속한 준수를 향상시킵니다.
모델은 분류 없는 지침에 대해 무조건적인 예측을 수행하는 방법을 어떻게 학습합니까?
훈련 중에 메시지가 무작위로 삭제되는 경우가 있으므로 하나의 네트워크는 조건부 동작과 무조건적 동작을 모두 학습합니다.
지침 규모를 늘리면 일반적으로 무엇을 합니까?
더 높은 안내는 더 엄격한 준수와 더 강력한 기능을 요구하지만, 너무 멀리 밀면 과포화되고 거칠며 인공물이 발생하기 쉬운 이미지가 발생합니다.
분류기가 없는 표준 지침에는 잡음 제거 단계당 대략 몇 개의 순방향 패스가 필요합니까?
모델은 프롬프트가 있을 때 한 번 실행되고 프롬프트가 없을 때 한 번 실행됩니다. 그런 다음 예측이 결합되어 단계당 약 2번의 패스가 필요합니다.
분류자 없는 지침은 분류자 지침에 비해 어떤 이점이 있나요?
두 예측 모두에 단일 네트워크를 사용함으로써 기존 유도 확산에 필요했던 깨지기 쉬운 추가 분류기를 방지합니다.