위키원
달리
달리(DALL·E)는 오픈AI(OpenAI)에서 개발한 인공지능 기반 이미지 생성 모델이다. 텍스트 프롬프트를 기반으로 다양한 스타일의 이미지와 예술작품을 생성한다. 이름의 유래는 초현실주의 화가 살바도르 달리(Salvador Dalí)와 디즈니의 로봇 캐릭터 월-E(WALL·E)를 결합한 것으로, 창의적이고 기발한 이미지를 생성하는 AI의 목표를 잘 나타내고 있다.
 .jpg) |
목차
역사
달리1
달리의 첫 번째 버전인 달리1은 2021년 1월에 처음 공개되었다. 이 버전은 텍스트 설명을 기반으로 이미지를 생성하는 모델로, GPT-3 언어 모델에서 확장된 알고리즘을 활용했다. 달리1은 12억 개의 매개변수를 사용해 다양한 주제와 스타일의 이미지를 생성할 수 있었으며, 사용자들이 입력한 자연어 설명에 따라 기발하고 독창적인 이미지를 만들어냈다. 예를 들어 "아보카도 모양의 의자"와 같은 기이하고 독특한 설명을 텍스트로 입력하면, 그에 부합하는 이미지를 생성하는 것이 가능했다.
달리1의 핵심은 인간이 생각할 수 있는 거의 모든 개념을 시각적으로 구현하는 능력이었다. 이 모델은 디퓨전 모델을 사용해 이미지를 생성했으며, 텍스트와 이미지 간의 깊이 있는 관계를 학습하여 복잡한 이미지를 구성하는 데 유용했다. 하지만 달리1의 한계는 생성된 이미지의 해상도가 낮았고, 세부적인 표현에서 완성도가 떨어질 수 있다는 점이었다.[1]
달리2
달리2는 2022년 4월에 출시되었으며, 달리1보다 크게 개선된 성능을 자랑한다. 달리2는 3억 5000만 개 이상의 이미지와 텍스트 쌍을 기반으로 훈련되었고, 높은 해상도의 이미지 생성이 가능해졌다. 달리2는 특히 인페인팅 기능을 도입해, 기존 이미지의 일부분을 변경하거나 새로운 요소를 추가할 수 있었다. 이를 통해 사용자는 이미지를 더 자유롭게 편집할 수 있었다.
또한 달리2는 클립(CLIP, Contrastive Language-Image Pre-training) 모델을 결합해 이미지의 품질을 크게 향상시켰다. CLIP은 텍스트와 이미지 간의 연관성을 더 정확하게 파악하여, 텍스트 설명에 대한 일관되고 고품질의 이미지를 생성할 수 있게 해주었다. 달리2는 사용자가 원하는 스타일과 세부 사항을 더 잘 반영해, 현실적이거나 예술적인 이미지 모두에서 뛰어난 결과물을 만들어냈다.[2]
달리3
달리3는 2023년 9월에 공개된 최신 버전으로, 달리2의 개선점을 기반으로 성능을 더욱 발전시켰다. 달리3의 가장 큰 특징은 텍스트 설명을 더 세밀하고 정확하게 이해해, 사용자가 의도한 바에 더 가까운 이미지를 생성할 수 있다는 점이다. 오픈AI는 달리3가 프롬프트를 더 깊이 이해하고, 텍스트에 포함된 복잡한 의미와 디테일을 정확히 반영한다고 설명했다.
달리3의 또 다른 주요 개선 사항은 챗GPT와의 통합이다. 사용자는 챗GPT를 통해 자연스럽게 대화하면서 이미지 생성에 필요한 프롬프트를 구체화할 수 있다. 즉, 사용자는 챗GPT를 활용해 적절한 프롬프트를 작성할 수 있으며, 이를 통해 보다 원하는 이미지에 가까운 결과물을 얻을 수 있다. 이로 인해 달리3는 보다 사용자 친화적인 환경을 제공하며, 기술적 지식이 부족한 사용자도 쉽게 이미지를 생성할 수 있다.
또한 지식재산권 보호를 위해 달리3는 살아 있는 예술가의 스타일을 모방하는 요청을 거부하도록 설계되었다. 이는 예술가들의 창작권을 보호하기 위한 조치로, AI가 실제 예술가의 작품을 모방해 사용하는 것을 방지한다. 달리3는 또한 음란하거나 혐오스러운 이미지가 생성되는 것을 방지하기 위해 강력한 안전 조치를 갖추고 있으며, 이를 위해 오픈AI는 레드팀과 협력해 모델을 훈련시켰다.
이 외에도 달리3는 공인의 이미지를 생성하지 않도록 설계되었으며, 공인의 이름이 프롬프트에 명시되었을 경우 해당 이미지 생성 요청을 거부한다. 이는 공인의 이미지가 악용되거나 잘못된 정보에 사용되는 것을 막기 위한 조치이다.[3]
생성 원리
달리의 핵심 기술은 딥러닝에 기반한 생성적 적대 신경망(GAN)과 변형 기반 모델인 트랜스포머(Transformer) 구조를 결합한 것이다. 달리의 이미지 생성 과정은 텍스트에서 이미지로 변환되는 과정을 학습한 알고리즘을 통해 이루어진다.
- 트랜스포머 기반의 텍스트-이미지 매핑
달리의 핵심 알고리즘은 트랜스포머 아키텍처를 활용한 모델로, 자연어 처리와 이미지 생성의 상호작용을 매핑하는 데 중점을 두고 있다. 트랜스포머는 텍스트를 입력받아 이를 이해하고, 해당 텍스트에 맞는 이미지를 생성하는 방식을 사용한다. 이를 위해 달리는 방대한 양의 텍스트-이미지 쌍 데이터를 학습한다. 이 과정에서 모델은 텍스트와 이미지 간의 복잡한 관계를 파악하고, 특정 단어나 문장이 이미지의 어느 부분을 나타내는지에 대한 이해를 얻게 된다.
트랜스포머는 특히 자연어를 처리하는 데 탁월한 능력을 발휘하는데, 이를 통해 텍스트 입력을 분석하고 이를 기반으로 한 다양한 이미지 생성이 가능해진다. 사용자가 입력하는 텍스트는 여러 층의 트랜스포머 네트워크를 거쳐서 분석되며, 이를 바탕으로 이미지의 특징을 형성하는 토큰(단위 데이터)을 생성한다.
- 클립]과의 통합
달리의 이미지 생성 알고리즘에는 클립이라는 모델이 중요한 역할을 한다. 클립은 텍스트와 이미지의 표현을 동일한 벡터 공간에서 학습하는 모델로, 달리가 생성한 이미지가 주어진 텍스트와 얼마나 일치하는지를 평가하는 데 사용된다. 즉, 클립은 달리가 생성한 이미지가 사용자 요청에 맞는지 확인하고, 이를 개선하는 피드백을 제공하는 역할을 한다. 클립은 이미지와 텍스트를 동일한 표현 공간으로 변환하여 그 간의 유사성을 측정한다. 이를 통해, 이미지가 주어진 설명과 얼마나 일치하는지 평가하여 더 높은 일관성을 유지할 수 있도록 돕는다. 이 과정은 달리 알고리즘의 정확성을 크게 높이며, 생성된 이미지가 텍스트와 더 긴밀하게 연결되도록 한다.
- 생성적 적대 신경망
달리의 초기 버전은 이미지 생성을 위해 생성적 적대 신경망을 사용했다. 생성적 적대 신경망은 두 개의 신경망, 즉 생성자(Generator)와 판별자(Discriminator)로 구성된다. 생성자는 텍스트를 바탕으로 이미지를 생성하고, 판별자는 생성된 이미지가 진짜인지 가짜인지를 평가한다. 이 두 네트워크가 경쟁하면서 점차 더 현실적이고 고품질의 이미지를 생성하는 방식이다. 생성자는 텍스트 설명을 입력받고, 이를 바탕으로 새로운 이미지를 만들어낸다. 반면, 판별자는 생성된 이미지가 실제로 존재하는 이미지처럼 보이는지 평가하고 피드백을 제공한다. 이 과정에서 생성자는 점점 더 사실적이고 세밀한 이미지를 만들어내기 위해 학습하게 된다. 그러나 달리 2와 3 버전에서는 트랜스포머 기반의 생성 모델이 생성대립신경망 대신 더 많이 사용되었다. 이는 텍스트에서 이미지로의 변환 정확성을 높이고, 더 정교한 결과를 제공하는 데 중점을 두기 때문이다.
- 텍스트에서 이미지로의 변환 과정
달리의 이미지 생성 과정은 크게 두 단계로 나뉜다. 첫 번째는 사용자의 텍스트 설명을 분석해 이미지의 특징을 정의하는 과정이다. 여기서 모델은 설명된 텍스트에 따라 이미지의 주요 요소와 세부적인 특징을 분리해내고, 이를 기반으로 이미지의 구조를 설계한다. 두 번째는 실제 이미지가 생성되는 단계로, 트랜스포머 네트워크가 학습한 결과를 바탕으로 픽셀 단위의 이미지를 만들어낸다. 이 과정에서 클립 모델이 생성된 이미지와 텍스트 설명 간의 일치도를 평가하며, 일관성을 높이기 위한 피드백을 제공한다. 이러한 과정은 사용자가 제공한 텍스트 설명이 짧고 단순할지라도 복잡하고 세밀한 이미지를 생성할 수 있게 해준다. 예를 들어 "푸른 바다 위에 떠 있는 작은 배"라는 간단한 설명을 입력하면, 달리는 바다의 질감, 배의 형태, 하늘의 색감 등을 모두 종합해 사실적이거나 예술적인 이미지를 만들어낸다.[4]
기능
이미지 편집
달리3는 사용자가 이미지의 일부를 선택하고 편집할 수 있는 고급 이미지 편집 기능을 제공한다. 이 기능은 텍스트를 통해 이미지의 특정 요소를 추가, 제거 또는 수정할 수 있는 옵션을 제공한다. 이를 통해 사용자는 이미지의 스타일이나 구성을 자유롭게 변경할 수 있다. 편집 기능의 핵심은 상단의 선택(Select) 버튼이다. 사용자는 편집할 영역을 마우스로 지정하고, 그 영역에 대한 자연어 지침을 입력해 변경할 수 있다. 예를 들어, 숲속 장면에서 특정 나무를 선택해 삭제하거나, 새로운 개체를 추가하는 것이 가능하다. 이외에도 실행 취소(Undo) 및 다시 실행(Redo) 버튼을 사용하여 편집 작업을 빠르게 조정할 수 있다. 또한, 종횡비 조정이나 다양한 스타일 적용(목판화, 클로즈업, 로우 앵글, 인공 조명, 손그림 스타일 등)과 같은 다양한 옵션도 제공된다. 이는 창작자의 의도에 맞춰 다양한 시각적 표현을 실현할 수 있는 도구로, 사용자가 원하는 스타일을 더욱 세밀하게 구현할 수 있도록 돕는다.[5]
아웃페인팅
아웃페인팅(Outpainting)은 이미지의 경계를 넘어 이미지를 확장할 수 있는 기능으로, 원본 이미지에서 그려지지 않은 부분에 새로운 비주얼 요소를 추가할 수 있다. 예를 들어, 이미 생성된 이미지의 외부 영역에 새로운 배경이나 스토리 요소를 더해 이미지를 확장할 수 있다. 이 과정에서 텍스처, 그림자, 반사 등의 기존 시각적 요소가 자연스럽게 이어지도록 생성되기 때문에, 새로 추가된 부분이 원래 이미지와 어우러지며 일체감을 형성한다. 아웃페인팅은 특히 이야기의 흐름을 확장하거나 배경을 추가할 때 유용하다. 이 기능은 자연어 설명만으로 이미지에 변화를 주기 때문에, 사용자가 창의력을 발휘해 더 큰 시각적 세계를 탐험할 수 있게 한다. 예를 들어, 도심 풍경에서 건물의 테두리를 넘어 더 많은 거리나 배경을 추가하여 이미지를 확장할 수 있다.[6]
인페인팅
인페인팅(in-painting)은 이미지의 특정 부분을 세밀하게 수정하거나 새로운 요소를 삽입할 수 있는 도구로, 포토샵의 내용 인식 채우기와 유사하지만 훨씬 더 정교하게 작동한다. 사용자는 이미지의 일부분을 선택해 텍스트로 변경 사항을 설명할 수 있으며, AI는 해당 부분을 지우거나 변경된 요소를 반영해 새로운 이미지를 생성한다. 인페인팅은 기존 이미지에 그림자, 반사, 텍스처 등 자연스러운 시각적 효과를 유지하면서 새로운 요소를 추가하거나 불필요한 부분을 제거하는 기능이다. 이를 통해, 이미지의 특정 요소를 제거한 후, 빈 자리를 매우 자연스럽게 채워 넣을 수 있으며, 전체 이미지의 완성도를 유지할 수 있다. 예를 들어, 가족 사진에서 불필요한 물체를 제거하거나 배경의 일부를 변경하는 등의 작업을 할 수 있다.[7]
요금제
사용자는 다양한 요금제를 통해 이미지를 생성할 수 있다. 달리의 요금제는 주로 크레딧 기반으로 운영되며, 사용자가 생성하는 이미지의 수나 고해상도 이미지 요청에 따라 크레딧을 차감하는 방식이다.
- 기본 요금제: 사용자들은 기본적으로 무료로 달리를 체험할 수 있으며, 일정 수의 무료 크레딧이 제공된다. 크레딧을 모두 사용하면, 추가적인 이미지 생성을 위해 유료 크레딧을 구매해야 한다.
- 크레딧 구매: 달리는 추가 크레딧을 유료로 제공한다. 일반적으로 한 번의 이미지 생성(프롬프트 실행)당 하나의 크레딧이 소모된다. 유료 사용자들은 고해상도 이미지 생성 옵션을 선택할 수 있으며, 더 높은 품질의 이미지를 얻을 수 있다.
- 월 구독 서비스: 챗GPT 플러스 또는 챗GPT 엔터프라이즈 요금제를 구독하는 사용자는 달리 3의 모든 기능을 사용할 수 있으며, 고급 편집 기능(아웃페인팅, 인페인팅)도 활용할 수 있다. 이 요금제는 특히 챗GPT 플러스와의 통합 덕분에 더 원활한 프롬프트 작성을 제공하며, 생성된 이미지의 편집 및 확장 기능을 포함하고 있다.
달리 요금제는 사용자가 원하는 이미지 생성 횟수와 고해상도 이미지를 필요로 하는지 여부에 따라 맞춤형으로 사용할 수 있는 유연성을 제공한다. 또한, 기업용 요금제인 챗GPT 엔터프라이즈는 대량의 이미지 생성과 고급 기능을 필요로 하는 비즈니스 사용자를 위한 옵션으로 제공된다.
저작권
달리로 생성된 이미지는 사용자가 저작권을 소유할 수 있는 구조로 운영된다. 오픈AI는 사용자가 생성한 이미지의 저작권을 사용자에게 부여하며, 이를 상업적 목적으로도 활용할 수 있다. 달리로 생성된 이미지의 저작권은 사용자가 합법적인 범위 내에서 자유롭게 활용할 수 있지만, 이를 사용하는 데에는 지식재산권과 도덕적 책임을 준수해야 한다.
- 사용자 저작권: 달리로 생성된 이미지는 사용자가 프롬프트를 작성하고 AI가 생성한 것이기 때문에, 사용자가 해당 이미지의 저작권을 소유하게 된다. 이는 상업적 이용, 출판, 판매, 디지털 콘텐츠 사용 등 다양한 방식으로 이미지를 사용할 수 있음을 의미한다.
- 지식재산권 보호: 달리 3부터는 지식재산권과 창작권 보호에 중점을 두어, 살아있는 예술가의 스타일을 모방하는 프롬프트는 거부되도록 설계되었다. 이는 예술가의 권리를 보호하기 위한 조치로, 특정 예술가의 스타일을 복제하여 생성된 이미지가 저작권을 침해하지 않도록 방지한다.
- 공인의 이미지 생성 제한: 달리 3는 공인의 이미지가 생성되는 것을 방지하는 기능이 있다. 특정 공인의 이름을 프롬프트에 명시하면, AI가 해당 이미지를 생성하지 않도록 설계되었다. 이는 잘못된 정보나 허위 선전에 공인의 이미지를 사용하지 않기 위한 조치이다.
- 음란물 및 혐오스러운 이미지 생성 방지: 달리의 최신 버전은 음란물, 폭력적 콘텐츠 및 혐오스러운 이미지가 생성되지 않도록 강력한 안전 조치를 도입하였다. 오픈AI는 레드팀과 협력하여 이러한 부적절한 이미지가 생성되지 않도록 규제하고, 안전한 사용 환경을 제공하고자 한다.
- 사용자 권리와 책임: 비록 사용자가 생성한 이미지의 저작권을 소유하지만, 달리로 생성된 이미지가 저작권법을 위반하거나 다른 사람의 권리를 침해하지 않도록 주의해야 한다. 특히, 살아있는 예술가나 공인의 이미지를 무단으로 모방하거나 사용하는 것은 금지되어 있다.
비교
달리, 스테이블 디퓨전(Stable Diffusion), 미드저니(MidJourney)는 모두 인공지능 기반 이미지 생성 도구이지만, 각각의 시스템은 고유한 특징과 차별점을 가지고 있다. 이들 AI 플랫폼은 텍스트 설명을 기반으로 이미지를 생성한다는 공통점을 가지고 있으나, 사용되는 알고리즘, 기능성, 출력 이미지의 스타일과 품질, 사용자 인터페이스 측면에서 많은 차이가 존재한다.
알고리즘
- 달리는 트랜스포머 기반의 알고리즘과 클립 모델을 활용하여 텍스트와 이미지를 연결하는 방식으로 동작한다. 달리는 사용자가 제공한 텍스트 설명을 분석하여, 이에 맞는 이미지를 생성하는 데 매우 뛰어난 능력을 보인다. 특히 텍스트와 이미지 간의 복잡한 상호 관계를 학습한 덕분에, 구체적이고 사실적인 이미지를 생성할 수 있다. 또한, 챗GPT와의 통합을 통해 프롬프트 작성을 간소화하는 점이 큰 차별화 요소이다.
- 스테이블 디퓨전은 라티오널 모델링(Latent Diffusion Model, LDM)을 기반으로 작동하며, 이미지를 잠재 공간에서 점진적으로 생성하는 방식을 채택하고 있다. 이는 사용자의 텍스트 입력에 따른 이미지 생성뿐 아니라, 이미지의 특정 영역을 채우거나 편집하는 데 강점을 가진다. 스테이블 디퓨전은 오픈 소스 기반으로 자유로운 접근성을 제공하며, 개발자와 크리에이터들이 자신의 환경에서 커스터마이징할 수 있도록 지원한다.
- 미드저니는 스타일적이면서 예술적인 이미지 생성에 중점을 두고 있다. 미드저니는 생성적 적대 신경망과 비슷한 접근법을 통해 이미지를 생성하며, 환상적이고 초현실적인 스타일의 이미지가 주로 생성되는 특징이 있다. 미드저니는 사용자가 원하는 분위기나 예술적 스타일을 구현하는 데 뛰어나며, 커뮤니티 중심으로 발전한 플랫폼이다.
품질 및 스타일
- 달리는 텍스트 설명을 매우 정확하게 반영하는 사실적인 이미지 생성을 목적으로 한다. 이로 인해 결과물은 주로 현실적인 표현에 초점을 맞추며, 구체적인 묘사와 복잡한 이미지도 잘 처리한다. 달리 3에서는 텍스트에 따른 이미지 해석력이 한층 향상되었으며, 명확하고 사실적인 결과물을 생성할 수 있다.
- 스테이블 디퓨전은 사실적인 이미지와 환상적인 이미지 모두 생성이 가능하나, 주로 텍스처와 디테일에 강점을 보인다. 스테이블 디퓨전은 높은 해상도의 이미지를 생성하는 데 매우 뛰어나며, 복잡한 구조나 미세한 디테일을 잘 표현한다. 또한, 디퓨전 모델의 특성상 이미지의 일부를 쉽게 수정하거나 확장할 수 있는 장점이 있다.
- 미드저니는 독특한 스타일의 예술적 이미지를 생성하는 데 특화되어 있다. 일반적인 사진 같은 사실적 이미지를 넘어서, 환상적이고 초현실적인 이미지 생성에 강점을 보인다. 이는 미드저니를 통해 생성된 이미지가 종종 예술 작품처럼 보이게 만든다. 미드저니의 결과물은 다른 AI와 비교했을 때 더욱 독창적이고 창의적이며, 이는 사용자들이 미드저니를 예술적 창작 도구로 자주 사용하는 이유이다.[8]
사용자 인터페이스
- 달리는 오픈AI의 챗GPT와의 통합 덕분에, 사용자가 프롬프트 작성 과정에서 보다 자연스럽게 인터페이스를 사용할 수 있다. 이는 특히 이미지 생성 경험이 적은 사용자들에게 매우 유용한 기능이다. 사용자는 챗GPT와 대화하면서 이미지 생성 프롬프트를 구체화할 수 있으며, 이를 통해 더욱 정확하고 사용자 요구에 맞는 이미지를 생성할 수 있다. 달리 3에서는 이와 같은 통합이 더욱 강화되었으며, 프롬프트의 명확성이나 복잡성에 대한 부담을 줄였다.
- 스테이블 디퓨전은 오픈 소스 기반이기 때문에 개발자나 전문가들이 자신의 환경에서 쉽게 사용할 수 있는 장점이 있다. 자체적인 툴을 구축하거나, 모델을 수정하는 등 고급 사용자가 커스터마이징하는 데 매우 유리하다. 그러나 일반 사용자에게는 접근성이 다소 낮을 수 있다.
- 미드저니는 디스코드 기반의 사용 경험을 제공한다. 미드저니는 디스코드 서버에서 봇을 통해 프롬프트를 입력하고 이미지를 생성하는 방식으로 동작하는데, 이는 독특한 사용자 경험을 제공하면서도 커뮤니티 중심의 활동을 장려한다. 사용자는 생성된 이미지를 공유하거나, 다른 사용자들의 결과물을 참조하면서 창의성을 자극받을 수 있다.[9]
기능
- 달리는 이미지 생성뿐 아니라 이미지 편집 기능이 강화되어 있다. 사용자는 생성된 이미지의 특정 부분을 수정하거나 새로운 요소를 추가할 수 있으며, 아웃페인팅과 인페인팅 같은 기능을 통해 이미지를 확장하거나 편집할 수 있다. 특히, 달리의 아웃페인팅 기능은 사용자가 이미지를 경계 너머로 확장하는 데 매우 유용하며, 이를 통해 스토리나 배경을 확장할 수 있다.
- 스테이블 디퓨전 역시 인페인팅과 아웃페인팅 기능을 지원한다. 스테이블 디퓨전은 이러한 기능을 통해 이미지를 수정하거나 확장하는 작업에 매우 효율적이며, 고품질의 결과물을 생성하는 데 능숙하다. 스테이블 디퓨전은 특히 복잡한 이미지 구조와 미세한 텍스처를 잘 처리하는 특징이 있다.
- 미드저니는 주로 이미지 생성에 중점을 두고 있으며, 이미지 편집이나 확장 기능은 다른 AI 모델들에 비해 상대적으로 제한적이다. 그러나 미드저니는 사용자가 생성된 이미지를 다시 프롬프트로 활용하여 추가적인 변형을 시도할 수 있다.[10]
사용 분야
- 달리는 주로 사실적 이미지 생성에 뛰어나며, 광고, 마케팅, 디자인 등 다양한 산업 분야에서 활용된다. 특히 텍스트 설명을 정확하게 반영하는 이미지 생성 능력은 상업적 사용에 적합하다. 또한, 달리의 편집 및 확장 기능은 이미지를 수정하거나 개선하는 데 유용해, 이미지 작업이 중요한 분야에서 많이 사용된다.
- 스테이블 디퓨전은 오픈 소스 기반의 특징 덕분에, 커스터마이징이 가능한 환경에서 개발자와 연구자들에게 많이 활용된다. 또한, 이미지를 자유롭게 수정하고 확장할 수 있어, 게임 디자인, 영화 제작, 미디어 아트와 같은 창의적인 프로젝트에서 큰 역할을 한다.
- 미드저니는 주로 예술적 창작과 디지털 아트 분야에서 많이 사용된다. 창의적이고 초현실적인 이미지 생성에 특화된 미드저니는 예술가, 디자이너, 크리에이터들이 독창적인 작품을 만들어내는 데 사용된다. 특히, 미드저니의 커뮤니티 중심 활동은 사용자들 간의 협업과 영감을 주고받는 데 큰 기여를 한다.
한계
- 프롬프트 의존성
달리의 가장 큰 한계 중 하나는 프롬프트의 품질에 따라 결과가 크게 달라진다는 점이다. 이미지 생성 AI는 텍스트 프롬프트에 의존하여 이미지를 생성하기 때문에, 사용자가 얼마나 명확하고 구체적인 프롬프트를 작성하는지가 결과의 품질에 중요한 영향을 미친다. 모호하거나 불명확한 프롬프트를 입력하면, AI가 사용자의 의도를 정확히 이해하지 못해 만족스럽지 않은 이미지를 생성할 수 있다. 이는 비전문가들이 적절한 프롬프트를 작성하는 데 어려움을 겪을 수 있다는 단점을 야기한다.
- 고해상도 이미지 생성의 한계
달리는 고해상도 이미지를 생성할 수 있지만, 완벽하지는 않다. 특히 디테일이 많은 복잡한 이미지를 생성할 때는 해상도가 떨어지거나 이미지의 일부가 비현실적으로 표현될 수 있다. 이는 이미지의 작은 부분에서 세밀함이 부족하게 나타날 수 있으며, 특히 얼굴과 같은 복잡한 형상을 생성할 때 왜곡이 발생하기도 한다. 미드저니나 스테이블 디퓨전과 같은 다른 AI 이미지 생성 모델은 이러한 문제에서 더 나은 결과를 제공할 수 있다.
- 맥락 이해의 한계
달리는 텍스트 프롬프트를 기반으로 이미지를 생성하지만, 문맥 이해에 있어 완벽하지 않다. 예를 들어, 추상적이거나 복합적인 개념을 설명할 때, 달리는 이를 직관적으로 파악하지 못하고 결과가 불명확하거나 관련 없는 이미지로 나타날 수 있다. 달리 3에서는 이전보다 더 발전된 이해력을 보이고 있지만, 여전히 복잡한 스토리텔링이나 여러 요소가 혼합된 상황을 정확하게 표현하는 데에는 한계가 존재한다.
- 일관성 부족
달리는 일관성 유지에 어려움을 겪기도 한다. 특히 시리즈나 다수의 이미지를 생성할 때, 각각의 이미지가 서로 일관된 스타일이나 구성을 유지하지 못하는 경우가 있다. 예를 들어, 동일한 캐릭터나 사물이 연속적인 이미지에서 변형되거나 다르게 나타날 수 있으며, 이는 사용자에게 불만족을 초래할 수 있다.
- 저작권과 윤리적 문제
달리는 사용자가 생성한 이미지에 대해 저작권을 사용자에게 부여하지만, AI가 기존에 학습한 데이터를 기반으로 이미지를 생성한다는 점에서 저작권 문제가 발생할 수 있다. 특히, 특정 예술가의 스타일을 복제하거나 모방하는 프롬프트는 지식재산권 침해 문제가 발생할 수 있으며, 달리 3에서는 이러한 문제를 방지하기 위해 살아있는 예술가의 스타일을 모방하는 요청을 거부하도록 설계되었다. 그러나 여전히 이미지 생성 과정에서 윤리적인 논의는 이어지고 있다.
- 불완전한 필터링 시스템
달리 3는 음란물이나 혐오스러운 이미지가 생성되지 않도록 안전 조치를 강화했지만, 완벽하지 않다. 특히 사용자들이 프롬프트를 교묘하게 조작해 부적절한 콘텐츠를 생성할 가능성은 여전히 존재한다. 이는 AI 이미지 생성 시스템 전반에 걸친 문제점으로, 완전한 필터링 시스템을 구축하는 데는 한계가 있다.
- 창의성 제한
달리는 매우 창의적인 결과물을 생성할 수 있지만, 이는 어디까지나 사용자가 제공한 프롬프트에 의해 제한된다. AI 자체가 독자적으로 새로운 아이디어나 창의적인 발상을 제안하기보다는, 기존의 데이터를 기반으로 이미지를 생성하기 때문에 인간의 창의성에 비해 상대적으로 한정된 결과를 낳을 수 있다. 미드저니와 같은 다른 AI는 이러한 측면에서 더 실험적이거나 창의적인 결과물을 제공할 때도 있다.
- 컴퓨팅 리소스 요구
달리를 실행하고 고해상도 이미지를 생성하기 위해서는 상당한 컴퓨팅 자원이 필요하다. 이는 개인 사용자나 소규모 팀이 자원을 충분히 활용하지 못할 수 있다는 문제점을 야기한다. 또한, 대량의 이미지를 생성하거나 실시간으로 이미지를 수정하려면 상당한 시간이 소요될 수 있다.
달리는 강력한 이미지 생성 AI로 다양한 기능과 유용성을 갖추고 있지만, 프롬프트 의존성, 해상도 문제, 맥락 이해 부족, 일관성 결여, 저작권 문제, 불완전한 필터링, 창의성 한계, 컴퓨팅 자원 문제 등 여러 가지 한계가 존재한다. 이를 해결하기 위한 연구와 개선이 계속해서 이루어지고 있으며, AI 이미지 생성 기술이 더욱 발전함에 따라 이러한 한계들도 점차 줄어들 것으로 기대된다.[11]
각주
- ↑ 이상덕, 〈LG CNS 기술블로그 DX Lounge에서 최신 IT 소식을 만나보세요!〉, 《LG CNS》, 2022-05-26
- ↑ 박현진 기자, 〈텍스트로 사용자 맞춤 이미지 만드는 인공지능 '달리2(DALL-E 2)'...MS '애저 오픈AI 서비스'에서 제공〉, 《인공지능신문》, 2022-10-15
- ↑ 조건희 기자, 〈오픈AI 달리3 출시…챗GPT와 통합으로 구체화된 이미지 생성〉, 《노컷뉴스》, 2023-09-22
- ↑ 정인수, 〈21세기 달리, DALL-E〉, 《공대상상》
- ↑ 박찬 기자, 〈오픈AI, '달리 3'에 이미지 편집 기능 추가〉, 《AI타임스》, 2024-04-04
- ↑ 박찬 기자, 〈“붙이고, 자르고, 늘리고”...진화하는 DALL-E〉, 《AI타임스》, 2022-09-05
- ↑ kodeco, 〈오픈AI의 달리 2, 텍스트를 이미지로 전환하는 인공지능〉, 《한국디자인협동조합》, 2022-04-28
- ↑ 태주아빠, 〈이미지 생성형 AI 비교〉, 《태주네 블로그》, 2023-12-10
- ↑ tech블로거, 〈달리 vs 미드저니 이미지 생성 AI 비교〉, 《티스토리》, 2024-01-08
- ↑ 박찬 기자, 〈[찬이의 IT교실] 이미지 생성 AI ②...최고의 AI 이미지 생성기는?〉, 《AI타임스》, 2022-10-11
- ↑ 이정현 기자, 〈비행기 몰고 돌진하는 마리오?…MS, 달리3서 '뉴욕 쌍둥이 빌딩' 차단〉, 《머니투데이》, 2023-10-06
참고자료
- kodeco, 〈오픈AI의 달리 2, 텍스트를 이미지로 전환하는 인공지능〉, 《한국디자인협동조합》, 2022-04-28
- 이상덕, 〈LG CNS 기술블로그 DX Lounge에서 최신 IT 소식을 만나보세요!〉, 《LG CNS》, 2022-05-26
- 박찬 기자, 〈“붙이고, 자르고, 늘리고”...진화하는 DALL-E〉, 《AI타임스》, 2022-09-05
- 박찬 기자, 〈[찬이의 IT교실] 이미지 생성 AI ②...최고의 AI 이미지 생성기는?〉, 《AI타임스》, 2022-10-11
- 박현진 기자, 〈텍스트로 사용자 맞춤 이미지 만드는 인공지능 '달리2(DALL-E 2)'...MS '애저 오픈AI 서비스'에서 제공〉, 《인공지능신문》, 2022-10-15
- 조건희 기자, 〈오픈AI 달리3 출시…챗GPT와 통합으로 구체화된 이미지 생성〉, 《노컷뉴스》, 2023-09-22
- 이정현 기자, 〈비행기 몰고 돌진하는 마리오?…MS, 달리3서 '뉴욕 쌍둥이 빌딩' 차단〉, 《머니투데이》, 2023-10-06
- 태주아빠, 〈이미지 생성형 AI 비교〉, 《태주네 블로그》, 2023-12-10
- tech블로거, 〈달리 vs 미드저니 이미지 생성 AI 비교〉, 《티스토리》, 2024-01-08
- 박찬 기자, 〈오픈AI, '달리 3'에 이미지 편집 기능 추가〉, 《AI타임스》, 2024-04-04
- 정인수, 〈21세기 달리, DALL-E〉, 《공대상상》
같이 보기
