MRS: ODE 및 SDE 솔버 기반 평균 회귀 확산을 위한 고속 샘플러 - 이미지 생성의 혁신

중국과학원 자동화연구소 연구팀이 개발한 MRS 샘플러는 평균 회귀 확산(MR Diffusion) 모델의 구조를 개선하여 이미지 생성 속도를 10~20배 향상시켰습니다. 역시간 SDE와 PF-ODE를 해석적으로 풀어낸 준해석적 솔루션을 통해 훈련 없이도 고품질 이미지를 빠르게 생성하는 것이 가능해졌습니다.

AI 이미지 생성의 속도 혁명: MRS 샘플러 등장

최근 딥러닝 분야에서 괄목할 만한 발전을 이룬 확산 모델은 놀라운 이미지 생성 능력으로 주목받고 있습니다. 하지만, 제어 가능한 이미지 생성은 여전히 어려운 과제로 남아있습니다. 기존의 방법들은 주로 확산 모델의 점수 함수를 수정하는 데 집중했죠. 하지만 중국과학원 자동화연구소의 Ao Li 박사 연구팀이 개발한 MRS(MR Sampler) 는 이러한 한계를 뛰어넘는 혁신적인 솔루션을 제시합니다.

MRS는 평균 회귀 확산(MR Diffusion) 모델의 구조를 직접 수정하여 이미지 조건을 더욱 자연스럽게 통합합니다. 기존의 MR Diffusion은 고품질 이미지 생성에 수백 번의 함수 평가(NFEs)가 필요했지만, MRS는 역시간 SDE와 확률 흐름 상미분 방정식(PF-ODE) 을 해석적으로 풀어 이 문제를 해결했습니다.

연구팀은 신경망으로 매개변수화된 해석적 함수와 적분으로 구성된 준해석적 솔루션을 도출하여 고품질 샘플을 훨씬 적은 단계로 생성하는 데 성공했습니다. 이는 마치 복잡한 미로를 빠르게 통과하는 지름길을 찾은 것과 같습니다. 놀랍게도 MRS는 훈련이 필요 없으며, 노이즈 예측, 데이터 예측, 속도 예측 등 주요 매개변수화 방식을 모두 지원합니다.

실험 결과는 MRS의 놀라운 성능을 입증합니다. 10가지 이상의 이미지 복원 작업에서 기존 방식 대비 10~20배의 속도 향상을 달성하며, 고품질 이미지 생성을 유지했습니다. 이는 AI 이미지 생성의 속도를 획기적으로 높여, 제어 가능한 이미지 생성 분야에 새로운 가능성을 열었습니다.

MRS의 등장은 단순한 기술적 발전을 넘어, AI 기반 이미지 생성 기술의 실용성을 한 단계 끌어올린 쾌거라고 할 수 있습니다. 앞으로 MRS는 다양한 응용 분야에서 활용될 것으로 기대되며, AI 이미지 생성 기술의 혁신을 가속화할 것으로 예상됩니다.