삼성리서치, 비디오 확산 모델 성능 향상을 위한 'ANSE' 프레임워크 공개: 최적 노이즈 시드 선택으로 품질 극대화

핵심 기술

삼성리서치는 비디오 확산 모델의 생성 품질을 혁신적으로 개선하기 위해 최적의 초기 노이즈 시드(noise seed)를 선택하는 새로운 프레임워크 'ANSE(Active Noise Selection for Generation)'를 공개했습니다. 이를 통해 동일한 텍스트 프롬프트에서도 보다 안정적이고 의미에 맞는 고품질 비디오 생성을 가능하게 합니다.

기술적 세부사항

• 문제점: 기존 확산 모델은 무작위 노이즈 시드 사용으로 인해 동일 프롬프트에 대해 결과 편차가 크다는 한계를 가집니다.
• 핵심 기술 (BANSA): 모델 내부의 '어텐션 불확실성'을 활용하여 노이즈 선택의 정확성을 높이는 'Bayesian Active Noise Selection via Attention (BANSA)' 기법을 사용합니다.
• 어텐션 맵 활용: 비디오 생성 초기의 노이즈 제거 과정에서 어텐션 맵을 기반으로 모델의 불확실성을 측정하여 최적의 노이즈 시드를 선택합니다.
• 베르누이 마스킹: 'Bernoulli-masked attention' 기법을 통해 여러 노이즈 시드에 대한 모델의 어텐션 반응을 효율적으로 빠르게 확인할 수 있습니다.
• 최적 시드 선택: CogVideoX 모델의 특정 레이어(14번째 또는 19번째) 어텐션 맵과 전체 불확실성 간의 높은 상관관계를 바탕으로 BANSA 점수를 계산하고, 가장 낮은 점수를 가진 시드를 선택합니다.
• 모델 학습 불필요: 이 기술은 모델을 재학습할 필요 없이 적용 가능하여 효율성이 높습니다.

개발 임팩트

• 품질 향상: 실험 결과, ANSE 적용 시 VBench 점수가 0.63점 상승하고 의미 일치도가 1.23점 향상되는 등 정량적, 정성적 평가 모두에서 일관된 품질 개선을 보였습니다.
• 효율성: 추론 시간 증가율이 8.68%~13.78%에 불과하여 기존 방식 대비 효율성 면에서 큰 장점을 가집니다.
• 안정성: 무작위 선택 또는 단순 엔트로피 기반 방법보다 우수한 성능과 안정성을 제공하며, BANSA 점수와 생성 품질 간의 뚜렷한 상관관계를 입증했습니다.
• 향후 연구 방향: 정보 이론 기반 분석 및 능동 학습 기법 결합을 통해 더욱 높은 품질 향상과 안정적인 결과 생성을 목표로 합니다.

커뮤니티 반응

원문에는 커뮤니티 반응에 대한 직접적인 언급은 없으나, 기술 발표 및 논문 공개 방식(arXiv)은 개발자 커뮤니티의 주목을 받을 것으로 예상됩니다.