학습 없이 이미지 생성을 10배 빠르게
베이항대(Beihang University)의 Xingyu Zheng, Xianglong Liu 연구팀이 MrFlow라는 방법을 공개했어. 확산 모델로 이미지를 만들 때, 모델을 다시 학습시키지 않고도 생성 속도를 최대 10배까지 끌어올린 거야. FLUX.1-dev랑 Qwen-Image 두 모델에서 그러면서도 품질 저하는 1% 안쪽이었대.
어떻게 빠르게 만드나
비결은 처음부터 끝까지 고해상도로 계산하지 않는 거야. MrFlow는 일을 4단계로 쪼개서 무거운 계산을 필요한 곳에만 몰아줘.
- 저해상도로 구조 먼저: 작은 해상도에서 그림의 큰 얼개를 빠르게 잡아.
- GAN으로 해상도 키우기: 가벼운 GAN(서로 경쟁시켜 이미지를 만드는 신경망)으로 픽셀을 키워 해상도를 올려.
- 노이즈 살짝 재주입: 약한 노이즈를 다시 넣어 디테일(고주파 성분)을 새로 뽑아내.
- 고해상도에서 정제: 마지막에 큰 해상도로 넘어가 디테일만 다듬어.
나한테는 뭐가 달라지나
이미지 생성은 GPU 쓰는 시간이 그대로 돈이야. 같은 결과를 10배 빨리 뽑으면 비용이랑 기다리는 시간이 줄어. 추가 학습이 필요 없다는 점도 실무에선 꽤 커. 이미 쓰던 FLUX.1-dev나 Qwen-Image를 두고 생성 단계만 바꿔 얹으면 되거든. 생성 단계 수를 미리 줄여 학습하는 timestep distillation이랑 같이 걸면 최대 25배까지 나왔대.
따져볼 점
숫자는 다 저자들이 자기네 벤치마크에서 잰 거야. FLUX.1-dev랑 Qwen-Image 두 모델 한정이고, 아직 다른 팀의 독립 재현은 없어. 25배도 distillation을 같이 걸었을 때 나온 조건부 수치라 MrFlow 혼자 낸 성능은 아니야. GAN으로 해상도를 키우다 보니 특정 그림에선 어색한 부분(아티팩트)이 생길 수 있는데, 이건 논문이 크게 다루진 않았어. 그러니 바로 쓰기 전에 한 번 돌려보고 결과를 눈으로 확인해도 늦지 않아.