문장 입력하면 2초 만에 이미지 뚝딱…ETRI 기술 공개

코알라(KOALA) 성능 비교. 사진=ETRI 제공

문장을 입력하면 2초 안에 이미지를 생성하는 '코알라'(KOALA) 모델이 일반에 공개됐다.

한국전자통신연구원(ETRI)은 생성형 인공지능과 시각지능 기술을 결합해 문장 입력 시 2초 만에 이미지를 만드는 코알라 3종 모델을 공개했다고 26일 밝혔다.

연구진은 공개SW 모델의 의 2.56B(25억 개) 파라미터를 700M(7억 개)로 줄이는 데 집중했다. 파라미터 수가 크면 연산량이 많아 시간이 오래 걸리고 서비스 운영 비용도 증가한다. 연구진은 이 같은 방법을 통해 모델 크기를 3분의 1로 축소하고, 고해상도 이미지를 기존 대비 2배로 개선했다.

실제 연구진이 '달 아래 화성에서 책을 읽고 있는 우주비행사의 사진'이라는 문장을 입력하자, 코알라 700M(7억 개)는 1.6초 만에 이미지를 뚝딱 만들어 냈다.

연구진은 챗GPT와 같은 대화형 인공지능에 시각지능 기술을 더해, 이미지나 비디오를 불러와 한국어로 질의응답할 수 있는 대화형 시각언어모델 '코라바'(Ko-LLaVA)'도 함께 공개했다. 연구진은 이 모델을 기반으로 한글을 더욱 잘 이해할 수 있고 기존에 없는 비디오 해석을 할 수 있도록 했다.

이용주 ETRI 시각지능연구실장은 "향후 생성형 인공지능 기술의 다양한 시도를 통해 크기는 작지만, 성능이 뛰어난 다양한 모델을 공개할 계획"이라며 "기존 거대모델에 대한 의존성을 탈피하고 국내 중소기업이 인공지능 기술을 효과적으로 활용할 기회를 제공하겠다"고 말했다.