모에비우스: 100억 매개변수급 성능의 2천만 경량 이미지 인페인팅 모델
화중과학기술대학교 및 VIVO AI Lab 연구진이 발표한 'Moebius(모에비우스)'는 2,200만 개(0.22B)의 파라미터만으로 119억 개(11.9B) 파라미터 규모의 거대 산업용 모델(FLUX.1-Fill-Dev)과 맞먹거나 이를 뛰어넘는 이미지 인페인팅(이미지 채움/수정) 성능을 달성한 혁신적인 경량 모델입니다. 새로운 어텐션 블록 구조와 다중 해상도 증류(Knowledge Distillation) 기술을 결합하여, 기존 100억 규모 모델 대비 파라미터는 2% 미만으로 줄이면서도 추론 속도는 15배 이상 향상시켰습니다. 이는 일반 소비자용 GPU 및 엣지 디바이스에서도 고품질의 이미지 생성 및 편집이 가능함을 의미하며, AI 모델의 실사용성 및 효율성 측면에서 매우 중요한 연구로 평가받습니다.
제목: Moebius: 100억(10B) 매개변수급 성능을 갖춘 2천만(0.2B) 매개변수 이미지 인페인팅 모델
저자 및 소속 Kangsheng Duan, Ziyang Xu (프로젝트 리더), Wenyu Liu, Xiaohu Ruan, Xiaoxin Chen, Xinggang Wang (교신저자)
- (*) 공동 제1저자, (📧) 교신저자
- 1 화중과학기술대학교 (Huazhong University of Science and Technology)
- 2 VIVO AI Lab
- (현재 심사 중)
초록 최근 100억(10B) 매개변수 이상의 산업용 기반 모델(Foundation models)들이 이미지 인페인팅(이미지의 빈 곳을 채우거나 수정하는 기술)의 한계를 넓혀왔지만, 이들의 막대한 컴퓨팅 비용은 실제 서비스 환경에 배포하는 것을 심각하게 방해하고 있습니다. 이를 해결하기 위해 고도로 최적화된 특정 작업 전용 모델을 구축하는 것이 유망한 해결책으로 떠오르나, 모델 구조를 극단적으로 압축하면 필연적으로 심각한 표현력 저하(Representation bottleneck)라는 문제가 발생합니다.
이를 극복하기 위해 우리는 매우 효율적인 경량 인페인팅 프레임워크인 **Moebius(모에비우스)**를 제안합니다. 우리는 Local-λ Mix Interaction(LλMI) 블록을 도입하여 확산 모델(Diffusion backbone)의 골격을 체계적으로 재구성했습니다. Local-λ 및 Interactive-λ 모듈로 구성된 이 기술은 공간적 문맥과 전역 의미론적 사전 정보를 고정된 크기의 선형 행렬로 우아하게 요약하여, 복잡한 잠재적 상호작용을 보존하면서도 파라미터 수를 획기적으로 줄였습니다.
또한, 이렇게 고도로 압축된 구조의 표현력을 극대화하기 위해 적응형 다중 세분화 증류(Adaptive multi-granularity distillation) 전략을 결합했습니다. 비용이 많이 드는 픽셀 공간 디코딩을 피하기 위해 엄격하게 잠재 공간(Latent space) 내에서 작동하는 이 전략은 여러 기울기 기반(Gradient-based) 손실을 동적으로 균형 있게 조절하여 높은 충실도의 정렬을 달성합니다.
자연 및 인물 이미지 벤치마크에서 진행된 광범위한 실험에 따르면, 이러한 최적의 결합을 통해 Moebius는 100억 매개변수 규모의 산업용 범용 모델인 FLUX.1-Fill-Dev의 생성 품질과 맞먹거나 이를 능가하는 것으로 나타났습니다. 특히 주목할 만한 점은, Moebius는 2% 미만의 파라미터(0.22B 대 11.9B)를 사용하여 이를 달성함과 동시에 전체 추론 시간에서 15배 이상의 가속화를 제공하여 고품질 인페인팅의 효율성 새 기준을 제시했다는 것입니다.
핵심 요약 (Highlights) 📉 극단적인 파라미터 효율성 (< 2%): Moebius는 단 0.22B(2,260만 개)의 매개변수만으로 작동하며, 이는 거대한 산업용 모델인 FLUX.1-Fill-Dev(11.9B) 크기의 2% 미만에 불과합니다. 이는 막대한 컴퓨팅 자원이 필요하던 기존의 패도를 깨고, 일반 소비자용 기기 및 엣지 디바이스에서도 고품질 인페인팅을 가능하게 만듭니다.
⚡ 15배의 추론 속도 향상 (26ms/step): 단일 GPU 환경에서 단계당 단 26.01ms의 매우 빠른 추론 속도를 달성했습니다. 최적화된 샘플링 단계와 결합하여, 100억 매개변수 수준의 모델들과 비교했을 때 전체 실행 시간에서 15배 이상의 가속화를 제공합니다.
🏆 100억 매개변수급 인페인팅 품질 (6개 벤치마크에서 FLUX.1-Fill-Dev와 동등 또는 능가): 모델 크기의 축소가 표현력의 저하를 의미하지는 않습니다. 구조 설계와 지식 증류 기법의 시너지를 통해, Moebius는 자연 풍경(Places2) 및 인물 사진(CelebA-HQ, FFHQ)을 포함한 6개의 종합적인 벤치마크에서 100억 매개변수급 최첨단(SOTA) 범용 모델들과 동등한 성능을 보였으며, 특정 시나리오(복잡한 질감 및 얼굴의 자연스러움 등)에서는 이를 능가하는 모습을 보여줍니다.
💡 핵심 기술 혁신:
- 구조 설계 (LλMI 블록): 공간적 문맥과 전역 의미론적 사전 정보를 고정 크기의 선형 행렬로 응축하여 자가 어텐션(Self-attention) 및 교차 어텐션(Cross-attention)을 재구성함으로써, 연산량이 기하급수적으로 증가하는 문제를 우회했습니다.
- 적응형 다중 세분화 증류 전략: 모델 구조의 극단적인 압축으로 인해 발생하는 용량 및 성능 저하를 성공적으로 완화하며, 높은 용량을 가진 교사(Teacher) 모델의 표현력을 가벼운 학생(Student) 모델로 효과적으로 전이(Transfer)했습니다.