AI 요약
구글 리서치가 AI 이미지 생성 모델을 정밀하게 제어하는 경량 네트워크 "Diffusion Controller"를 발표했다. 기존에는 추론 시점 기법과 무거운 파인튜닝이 분리되어 있어 프롬프트 정렬과 이미지 품질 사이의 균형을 맞추기 어려웠다. Diffusion Controller는 디노이징 과정 전체를 연속적 제어 문제로 재정의하여, 폐쇄형 모델에도 부착 가능하면서 프롬프트 정렬을 크게 개선한다. 실험에서 업계 표준을 능가했으며, 완전 개방형 버전은 베이스라인 대비 90%의 승률을 기록했다.
핵심 포인트
- Diffusion Controller는 오토바이의 "스티어링 댐퍼"에 비유되는 경량 부착형 네트워크로, 접근 제한된 폐쇄형 모델에도 적용 가능
- 기존 방식(분류기 없는 확산 가이던스, LoRA, 보상 가중 회귀, 정책 경사법)이 파편화되어 통합된 수학적 언어가 부재했던 문제를 해결
- 완전 개방형(화이트박스) 버전이 베이스라인 대비 90% 승률 달성
- 2026년 9월 29일 Chih-wei Hsu, Moonkyung Ryu가 발표
향후 전망
- 텍스트-이미지 생성 모델의 프롬프트 정렬과 품질을 동시에 잡는 표준 제어 프레임워크로 자리매김할 가능성
- 폐쇄형 상용 모델에도 적용 가능하다는 점에서 다양한 AI 이미지 서비스에 빠르게 확산될 전망