MaskGIT 병렬 토큰 디코딩
MaskGIT는 한 번에 많은 토큰을 예측하고 가장 확실한 토큰을 먼저 채우고 왼쪽에서 오른쪽으로의 느린 생성을 몇 가지 빠른 병렬 단계로 대체하여 이미지를 생성합니다.
심층 분석
2022년 Google의 MaskGIT(Masked Generative Image Transformer)는 토큰 기반 이미지 모델이 디코딩되는 방식을 다시 생각합니다. Earlier transformers like VQGAN generated tokens autoregressively, one at a time in raster order, which is slow and unnatural for 2D images. 대신 MaskGIT는 BERT와 같은 마스크된 모델링 목표로 훈련합니다. 즉, 이미지 토큰의 무작위 하위 집합이 숨겨지고 모델은 양방향 주의를 사용하여 이를 모두 동시에 예측하는 방법을 학습합니다. 생성 시에는 완전히 마스킹된 그리드에서 시작하여 고정된 반복 횟수(보통 8~12회)로 디코딩됩니다. 각 단계에서는 마스킹된 모든 토큰을 예측하고 신뢰도가 가장 높은 예측을 유지하며 다음 라운드를 위해 나머지를 다시 마스킹합니다. 이는 자동 회귀 디코딩보다 대략 몇 배 더 적은 단계로 고품질 이미지를 생성합니다.
기술적 통찰력
중요한 구성 요소는 신뢰 기반 마스킹 일정입니다. 코사인 일정은 천천히 시작하여 가속하면서 각 반복을 표시할 토큰 수를 결정합니다. 주의는 양방향이기 때문에 모든 토큰은 전체 부분 이미지를 보므로 가장 확실한 예측을 먼저 수행하면 모호한 부분보다 먼저 퍼즐의 쉬운 부분을 해결하는 것과 마찬가지로 견고한 맥락에 따라 이후 단계를 조건화할 수 있습니다.
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.
MaskGIT 병렬 토큰 디코딩의 미래
MaskGIT의 병렬 반복 디코딩은 텍스트-이미지 변환을 위한 MUSE 및 비디오를 위한 마스크 접근 방식을 포함하여 비자동회귀 생성기의 물결에 영감을 주었습니다. 병렬로 토큰을 예측하고 몇 단계에 걸쳐 정제하는 패턴은 일회성 GAN과 다단계 확산 사이에 위치하여 조정 가능한 품질-속도 균형을 제공합니다. 페인팅 내 및 조건부 채우기가 자연스럽게 어울리는 빠른 다중 모드 생성기 및 편집 시스템에 마스크된 토큰 디코딩이 계속 나타날 것으로 예상됩니다.
실제 구현
수백 개의 자동 회귀 토큰 예측 대신 약 8~12개의 병렬 단계로 전체 이미지 생성
주변 상황과 함께 숨겨진 토큰만 다시 예측하여 사진의 마스크된 영역을 다시 페인팅합니다.
훨씬 느린 모델과 품질 경쟁력이 있는 ImageNet의 클래스 조건부 이미지 합성
빠른 생성이 필요한 Google의 MUSE와 같은 텍스트-이미지 시스템을 위한 디코딩 백본 역할을 합니다.
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 MaskGIT Parallel Token Decoding 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
사고의 뼈대 병렬 디코딩
자주 묻는 질문
MaskGIT 병렬 토큰 디코딩이란 무엇인가요?
MaskGIT는 한 번에 많은 토큰을 예측하고 가장 확실한 토큰을 먼저 채우고 왼쪽에서 오른쪽으로의 느린 생성을 몇 가지 빠른 병렬 단계로 대체하여 이미지를 생성합니다.
MaskGIT는 VQGAN의 변환기와 어떻게 이미지 토큰을 다르게 디코딩합니까?
MaskGIT는 VQGAN의 느린 왼쪽에서 오른쪽 자동 회귀 디코딩과 달리 양방향 주의를 통해 마스크된 모든 토큰을 동시에 예측합니다.
MaskGIT는 언어 모델에서 어떤 훈련 목표를 차용합니까?
MaskGIT는 토큰의 무작위 하위 집합을 숨기고 이를 예측하는 방법을 학습합니다. 이는 BERT와 유사한 마스크된 모델링 목표입니다.
생성하는 동안 MaskGIT는 각 반복마다 어떤 토큰을 커밋합니까?
각 단계에서는 가장 확실한 예측을 유지하고 나머지는 다시 마스킹하므로 이후 단계에서는 신뢰할 수 있는 컨텍스트를 조건으로 합니다.
MaskGIT는 일반적으로 이미지를 생성하는 데 대략 몇 번의 반복이 필요합니까?
MaskGIT는 자동 회귀 또는 확산 접근 방식보다 훨씬 적은 작은 고정 수의 단계(종종 8~12단계)로 디코딩합니다.
MaskGIT가 각 단계를 공개하는 토큰 수를 제어하는 일정은 무엇입니까?
코사인 일정은 반복 전반에 걸쳐 품질과 속도의 균형을 유지하면서 초기에는 토큰이 거의 없고 나중에는 더 많이 표시됩니다.