이미지 편집 누적 오류 줄이는 ACEdit 발표

핵심 요약

• 이미지 편집 모델은 단일 편집에서는 좋은 결과를 내지만, 여러 번의 편집을 반복하면 품질이 떨어지는 문제가 있다.
• 각 편집마다 분포 변화가 누적되어, 원래 학습한 입력 분포와 실제 다중 편집 추론 단계 사이의 간격이 벌어지기 때문이다.
• ACEdit는 모델이 훈련 과정에서 자신의 이전 편집 결과물에 직접 작동하도록 강제하는 학습 방식을 도입했다.
• 자체 생성 편집 궤적이 정답과 어긋나 직접 감독이 신뢰할 수 없다는 문제를 해결하기 위해 증류(distillation) 목표를 사용했다.
• 비대칭 조건화 방식을 사용하는데, 학생 모델은 자신의 이전 출력에 순차적으로 편집하고 교사 모델은 원본 이미지에 고정되어 복합 편집 명령을 받는다.
• 실험 결과 장시간 다중 편집 시퀀스에서 품질 저하가 크게 줄어들었고, 편집 품질과 명령 준수도 유지된다.