이미지를 만드는 목표 자체를 다시 검토한다
2026년 10월 16일 arXiv에 공개된 연구는 픽셀 공간에서 직접 이미지를 생성하는 확산 Transformer의 설계 선택을 분석했다. 연구진은 깨끗한 이미지와 속도 예측 사이의 조합을 학습하는 MFlow를 제안한다. 모델 크기와 데이터 표현에 따라 선호되는 예측 방식이 달라진다는 것이 저자들의 관찰이다.
또한 시험한 순수 픽셀 Transformer 계열에서 미세한 표면 질감에 해당하는 고주파 정보가 부족한 현상을 보고했다. ConvRefiner는 본체를 고정한 채 추가 학습하는 작은 합성곱 모듈로 이를 보완한다. 논문과 프로젝트 페이지는 FID가 비슷하게 유지돼도 주파수 특성은 달라질 수 있다고 설명한다. 따라서 평가 점수 하나만으로 시각 품질을 모두 판단하기 어렵다.
사용자에게는 무엇을 의미할까
확대했을 때 직물·잎맥·재질이 어색한 이유를 단순히 프롬프트 부족으로만 볼 필요는 없다는 연구다. 다만 모든 생성 이미지의 결함을 이 원인으로 설명하거나, 모델을 더 크게 만들면 해결된다고 일반화할 수는 없다. 논문은 제출·심사 중인 프리프린트이며 수치는 저자 평가다. Adobe 제품에 기능이 적용됐다는 발표도 아니다. 실제 제작에서는 원본 크롭과 사람의 재질·구조 검수를 함께 쓰는 편이 타당하다.