2인 연구팀, 약 2만 달러로 훈련한 텍스트-이미지 모델 공개

연구팀은 Pyramid-JiT 기반 텍스트-이미지 모델을 6억6,000만 개 샘플로 훈련하고 가중치를 Apache 2.0 라이선스로 공개했습니다. 연구팀은 VAE를 쓰지 않는 픽셀 공간 확산 모델이 기존 잠재 확산 모델보다 수렴 속도는 11배 빠르고, 품질 저하를 크게 일으키지 않으면서 추론 비용을 낮출 수 있다고 밝혔습니다.

약 2만 달러의 훈련 비용과 공개 가중치는 자체 모델 개발을 검토하는 팀이 접근성과 비용을 가늠할 근거가 됩니다. 다만 제시된 효율 수치는 연구팀의 비교 결과이며, 실제 활용 비용과 품질은 실행 환경과 작업에 따라 달라질 수 있습니다. 이미지 모델 성과가 동영상 생성의 속도·제어 문제까지 해결하는지는 아직 확인되지 않았습니다.