Muse Masked Generative Imaging
Muse는 마스크된 이미지 토큰을 한꺼번에 채워 그림을 생성하는 Google의 텍스트-이미지 모델로, 단계별 확산보다 훨씬 빠릅니다.
개요
It matters because it showed you can get high-quality, well-aligned images without the slow iterative denoising that most generators rely on.
심층 분석
Muse는 이미지의 개별 토큰 공간에서 작동합니다. 사전 훈련된 VQGAN은 그림을 시각적 빌딩 블록의 어휘와 같은 정수 토큰 그리드로 바꿉니다. 훈련 중에 이러한 토큰의 상당 부분이 마스크 처리되고 Transformer는 고정된 대형 언어 모델(T5-XXL)의 텍스트 임베딩을 조건으로 이를 다시 예측하는 방법을 학습합니다. 생성 시 Muse는 모두 마스크된 그리드에서 시작하여 병렬 라운드로 디코딩하여 단계당 많은 토큰을 예측하고 가장 신뢰도가 낮은 토큰을 다시 마스킹합니다. 2단계 설계에서는 먼저 저해상도 토큰 그리드를 생성한 다음 초해상도 모델이 고해상도 그리드를 채웁니다. 수십 개의 토큰이 동시에 확인되므로 900M 및 3B 매개변수 모델은 몇 번의 정방향 패스만으로 256 또는 512픽셀 이미지를 생성합니다.
기술적 통찰력
핵심 트릭은 종종 MaskGIT 스타일 샘플링이라고 불리는 신뢰도 기반 리마스킹을 사용한 병렬 디코딩입니다. 한 번에 하나의 토큰을 예측하거나(자동 회귀) 수백 번 노이즈를 제거하는(확산) 대신 Muse는 마스킹된 모든 토큰을 예측하고 가장 신뢰할 수 있는 토큰을 유지하며 다음 라운드를 위해 나머지를 다시 마스킹합니다. 고정된 T5-XXL 텍스트 인코더를 사용하면 무료로 강력한 언어 이해가 가능하며, 개별 토큰을 작동하면 모델이 이미지에 대해 단어처럼 추론할 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.
Muse Masked Generative Imaging의 미래
대화형 편집 및 장치 내 사용에 필수적인 고품질이면서도 빠른 생성기를 향한 마스크된 병렬 디코딩 포인트입니다. 토큰 예측 아이디어가 확산 및 자동 회귀 비디오 방법과 통합되어 즉각적인 인페인팅, 아웃페인팅 및 마스크 없는 편집을 지원하게 될 것으로 기대합니다. 개별 토크나이저가 개선됨에 따라 마스크 이미징은 비디오 및 3D로 깔끔하게 확장될 수 있으며, 병렬 디코딩을 통해 많은 프레임이나 뷰를 생성하는 비용을 대폭 절감할 수 있습니다.
실제 구현
아티스트가 몇 분이 아닌 몇 초 만에 다양한 이미지 변형이 필요한 신속한 컨셉 아트 및 무드 보드.
객체를 제거하고 모델이 주변 환경과 일관되게 마스크 영역을 채우도록 하는 등의 제로샷 인페인팅.
배너 또는 다양한 종횡비를 위해 사진을 원래 테두리 이상으로 확장하는 아웃페인팅입니다.
텍스트 프롬프트를 편집하고 영향을 받은 토큰을 다시 디코딩하여 강아지의 색상이나 하늘을 일몰로 변경하는 등 마스크 없는 편집이 가능합니다.
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 Muse Masked Generative Imaging 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
마스크된 자동 인코더
자주 묻는 질문
What is Muse Masked Generative Imaging?
Muse는 마스크된 이미지 토큰을 한꺼번에 채워 그림을 생성하는 Google의 텍스트-이미지 모델로, 단계별 확산보다 훨씬 빠릅니다. 이는 대부분의 생성기가 의존하는 느린 반복 노이즈 제거 없이 고품질의 잘 정렬된 이미지를 얻을 수 있음을 보여주었기 때문에 중요합니다.
Muse는 픽셀을 제거하는 대신 생성 중에 무엇을 예측합니까?
Muse는 별도의 토큰 공간에서 작동하여 픽셀에 직접 작업하는 대신 VQGAN 토크나이저에서 생성된 마스크된 이미지 토큰을 예측합니다.
Muse가 일반적으로 표준 확산 모델보다 빠른 이유는 무엇입니까?
Muse는 많은 마스크된 토큰을 동시에 채우며 확산의 많은 순차적 노이즈 제거 단계와 달리 소수의 디코딩 라운드만 필요합니다.
Muse는 텍스트 프롬프트를 어디에서 이해합니까?
고정된 사전 훈련된 T5-XXL 언어 모델의 텍스트 임베딩에 대한 Muse 조건 생성을 통해 강력한 언어 이해력을 제공합니다.
Muse에서 신뢰 기반 리마스킹의 역할은 무엇입니까?
각 병렬 예측 후에 Muse는 가장 확실한 토큰을 유지하고 가장 신뢰도가 낮은 토큰을 다시 마스크하여 연속 라운드를 통해 개선합니다.
Muse에서는 고해상도 이미지 생성을 어떻게 처리합니까?
Muse는 먼저 저해상도 토큰 그리드를 생성한 다음 두 번째 초해상도 모델이 고해상도 토큰 그리드를 생성합니다.