생성형 AI를 이용하여 브랜드에 맞는 이미지 만들기

이미지 생성 기술은 리테일 및 소비재 기업에게 상당한 이점을 제공합니다. 마케팅 전문가, 디자이너, 제품 개발팀은 사용자 프롬프트에서 양식화된 이미지와 사실적인 이미지를 모두 만들어 낼 수 있는 생성형 모델을 사용하여 새로운 아이디어와 디자인을 빠르고 효과적으로 시도해 볼 수 있습니다. 이 AI 기술을 사용하기 위한 기본 요건은 사용자가 개념을 명확하게 표현할 수 있는 능력입니다. 그런 다음 공유된 목표에 집중하는 소규모 팀이 AI에 프롬프트를 전달하여 아이디어를 평가하고 새로운 아이디어를 촉발하는 데 도움이 되는 시각화를 생성할 수 있습니다. 이러한 기술을 통해 팀은 초기 투자 비용을 줄이고 피드백 시간을 단축하며 궁극적으로 새롭고 혁신적이며 차별화된 콘텐츠 및 디자인 컨셉을 도출하는 보다 창의적인 프로세스에 참여할 수 있습니다.

그러나 대량의 일반 이미지로 미리 훈련된 모델을 사용하는 것은 일관된 이미지를 생성하는 데 도움이 되지만, 대부분의 조직은 특정 브랜드나 도메인에 특화된 패턴, 디자인 및 미적 요소를 모방하기를 원합니다. 이러한 경우 위와 같은 요소를 이해하기 위해 모델을 미세 조정(fine-tuning)하면 조직의 요구사항에 더 잘 부합하는 결과물을 제작할 수 있습니다. 이 블로그 포스트에서는 이러한 방식으로 모델을 조정할 수 있는 핵심 개념을 소개하며, 이를 통해 우리의 고객들이 이러한 놀라운 기술의 즉각적인 이점을 더 많이 누릴 수 있기를 바랍니다.

사용자 지정 이미지로 모델 미세 조정하기

브랜드 및 도메인 지식을 반영하여 모델을 미세 조정하는 방법을 설명하기 위해 가구 디자이너가 새로운 의자 디자인에 대한 아이디어를 얻고자 하는 시나리오를 상상해 보겠습니다. 이 시나리오에서 디자이너는 인터넷에서 수집한 대량의 이미지로 학습된 Stable Diffusion XL과 같이 잘 알려진 이미지 생성 모델을 선택했을 수 있습니다.

이 모델은 다양한 종류의 이미지를 생성할 수 있지만, 디자이너는 과거에 생성한 의자에 대한 모델의 이해력을 향상시키기를 원할 수 있습니다. 이러한 항목에 대한 지식은 모델이 브랜드의 일반적인 방향과 일치하는 이미지를 생성하는 데 도움이 될 것입니다. 이는 회사가 고객과 특정한 디자인 감각을 확립하려는 데 매우 중요합니다.

이를 위해 디자이너는 팀에 주요 제품의 사진을 몇 장 찍어 달라고 요청합니다. 각 항목은 다양한 각도에서 캡처되므로 모델은 다양한 구성에서 항목을 렌더링하는 방법에 대한 인사이트를 얻을 수 있습니다. 하지만 여기서 중요한 것은, 디자이너가 Stable Diffusion 모델에 이미 내재된 일반적인 지식을 기반으로 구축하기 때문에 압도적인 수의 이미지가 필요하지 않다는 것입니다.

특정 스타일의 의자와 관련된 각 이미지에 대해 설명이 제공됩니다. 각 설명에는 사진의 피사체가 되는 각 항목에 대한 고유한 이름(토큰)이 포함되어 있습니다. 이 토큰은 모델이 이미지의 특정 항목을 식별할 뿐만 아니라 이 이미지가 학습된 다른 이미지와 어떻게 다른지 학습하는 데 도움이 됩니다. 나머지 설명은 모델이 다른 이미지에 대한 사전 학습을 통해 이미 축적된 지식을 방해하지 않도록 간결하게 유지합니다.

Chair	Token	Description
	BCNCHAR	A photo of a BCNCHAR chair taken from the side.
	EMSLNG	A photo of an EMSLNG chair taken from the front.
	HSMNCHR	A photo of a HSMNCHR chair taken from the side.
	EMSRCK	A photo of a EMSRCK chair taken from the side.
	NRMCHR	A photo of a NRMCHR chair taken from the front.

그림 2. 샘플 가구 디자인 회사에서 선택한 5개의 의자 각각에 대한 설명

이미지 생성 모델의 미세 조정을 위해 DreamBooth 프레임워크를 사용하여 기성품인 Stability Diffusion XL 모델을 미세 조정합니다. 결과 모델은 재사용을 위해 저장되며, 이제 모델은 디자이너와 팀에 더 잘 맞는 결과물을 생성할 수 있습니다. 그림 3.

Original Stable Diffusion XL	Fine-Tuned Stable Diffusion XL

그림 3. 원래 Stability Diffusion XL 모델의 출력 이미지와 그림 1의 이미지로 미세 조정된 모델에  "갈색 가죽(EMSLNG) 의자 사진"이라는 프롬프트로 생성된 출력 이미지 

이 모델로 무장한 디자인 팀은 이제 제품의 새로운 변형을 탐색하고(그림 4), 포트폴리오에서 이전에 생산한 제품의 디자인을 반영한 새로운 아이템을 모두 함께 생산할 수도 있습니다(그림 5).

데이터브릭스로 모델 커스터마이징하기

이미지 생성 모델의 미세 조정은 조직에 새로운 아이디어와 디자인을 탐색할 수 있는 강력한 도구를 제공합니다. 하지만 이러한 기능을 제공하려면 생성형 AI 모델과 내부 정보 자산을 결합하고, 모델 미세 조정이라는 무거운 계산 작업을 수행하며, 다양한 사용자 애플리케이션과의 통합을 지원하는 방식으로 업데이트된 모델을 배포할 수 있어야 합니다. 이러한 모든 기능과 그 이상의 기능이 데이터브릭스 데이터 인텔리전스 플랫폼을 통해 제공됩니다.

데이터브릭스를 통해 조직은 정형 및 비정형 정보 자산을 모두 저장, 처리, 쿼리할 수 있습니다. 중앙 집중식 데이터 거버넌스 계층에서 관리되는 이 데이터는 보고서 소비자, 분석가, 데이터 과학자에게 폭 넓게 사용되면서도 그 활용에 대한 일관된 제어를 유지할 수 있습니다. 탄력적인 확장성과 최신 GPU 아키텍처 지원을 통해 고성능 워크로드를 효과적으로 확장할 수 있으므로, 조직은 이 데이터에서 작동하는 중요한 워크로드를 적시에 처리할 수 있습니다. 또한 개방형 플랫폼으로서 오픈 소스 및 독점 모델과 지원 기술을 모두 활용할 수 있어 조직의 요구가 진화함에 따라 플랫폼도 함께 진화할 수 있습니다.

기본 탑재된 모델 관리 기능을 사용하여 기성 모델과 사용자 지정 모델을 캡처, 평가하고 프로덕션 배포로 전환할 수 있습니다. 네이티브 모델 서빙을 통해 최신 애플리케이션과 사용자 인터페이스 기술이 광범위하게 지원하는 개방적이고 안전한 인터페이스를 사용하여 이러한 모델들을 서비스할 수 있습니다. 데이터브릭스 데이터 인텔리전스 플랫폼을 사용하면 정보 자산을 차별화된 기능으로 전환하는 프로세스가 크게 간소화되므로, 많은 조직에서 데이터 및 AI 요구 사항을 충족하기 위해 데이터브릭스 플랫폼을 채택하고 있습니다.

데이터브릭스를 사용하여 이미지 생성 모델을 미세 조정함으로써 위에서 본 것처럼 브랜드에 맞는 이미지를 제공하는 방법을 알고 싶으신가요? 생성형 AI를 사용하여 브랜드에 맞는 이미지를 제작하는 최신 솔루션 액셀러레이터를 확인해 보세요. 무료로 제공되는 노트북에는 기성 모델을 필요에 따라 맞춤형 솔루션으로 전환하는 엔드투엔드 프로세스를 설명하는 단계별 지침과 문서화된 코드가 포함되어 있습니다.

(번역: Youngkyong Ko) Original Post