카카오브레인, 초거대 멀티모달 AI 업그레이드 버전 공개

이미지 생성속도와 데이터셋 크기 2배 늘려

‘사막에 있는 에펠탑(the Eiffel Tower in the desert)’이라는 텍스트 조건에 의해 생성된 샘플 이미지.ⓒ카카오브레인

카카오브레인은 작년 12월에 공개한 초거대 멀티모달(multimodal) 인공지능(AI) ‘민달리(minDALL-E)의 업그레이드 버전인 이미지 생성 모델 ‘RQ-트랜스포머(Transformer)’를 최대 오픈소스 커뮤니티 깃허브(GitHub)1에 19일 공개했다.

39억 개의 매개변수(파라미터)로 구성된 RQ-트랜스포머는 3000만 쌍의 텍스트-이미지를 학습한 텍스트-투-이미지(text-to-image) AI 모델로, 계산 비용을 줄이고 이미지 생성 속도를 높인 동시에 이미지의 품질을 크게 향상시킨 모델이다.

RQ-트랜스포머는 카카오브레인의 초거대 멀티모달 AI 민달리의 업그레이드 버전으로 민달리 대비 모델 크기는 3배, 이미지 생성 속도와 학습 데이터셋 크기는 2배 늘렸다. 민달리의 경우 미국의 인공지능 개발 기업 ‘오픈AI(OpenAI)’가 공개한 ‘달리(DALL-E)’를 재현하는 것에 가까웠던 것에 반해, RQ-트랜스포머는 카카오브레인 만의 독자적인 기술로 개발됐다.

RQ-트랜스포머는 3차원의 코드맵으로 표현된 이미지를 순차적으로 예측해 생성하도록 학습된 이미지 생성 모델이다. 기존 기술과 비교했을 때 이미지 압축으로 인한 손실이 적어, 높은 품질의 이미지를 저해상도의 코드맵으로 표현하는 것이 특징이다. 이를 통해 기존 이미지 생성 모델보다 적은 계산 비용과 높은 이미지 생성 속도를 달성할 수 있다.

대규모 데이터셋을 바탕으로 학습된 RQ-트랜스포머는 처음보는 텍스트의 조합을 이해하고, 이에 대응되는 이미지를 생성할 수 있다.

한편 카카오브레인은 RQ-트랜스포머 기술의 우수성을 종합적으로 인정받아, 오는 6월에 열리는 세계적인 학술대회 CVPR 20222에서 해당 논문을 발표할 예정이다.

김일두 카카오브레인 대표는 “인간의 명령에 따라 이미지를 만들어내는 컴퓨터는 그 명령 뒤에 내재된 의도를 파악하고 이해하는 기술을 보여준다”며, “이번에 우리가 공개한 획기적인 텍스트-투-이미지 AI 모델이 인간과 컴퓨터가 자유롭게 대화하는 미래를 향한 여정의 첫 시작이 될 것“이라고 말했다.