Przejdź do treści
promptowy.com / AI 용어 사전 / 디퓨전 모델 (Diffusion Model)
이미지, 비디오, 오디오

디퓨전 모델 (Diffusion Model)

무작위 노이즈 상태에서 시작해 불필요한 입자를 단계별로 걷어내며 텍스트에 맞는 선명한 이미지를 완성하는 생성형 AI 기술입니다.

디퓨전 모델(Diffusion Model)은 무작위로 흩뿌려진 노이즈에서 출발해 불필요한 점들을 점진적으로 지워나가며 선명한 결과물을 만들어내는 인공지능 기술입니다. 텍스트를 입력하면 그에 맞는 그림을 그려주는 대부분의 최신 이미지 생성 도구가 이 알고리즘을 핵심 엔진으로 채택하고 있습니다.

디퓨전이라는 이름은 물리학의 확산 현상에서 유래했습니다. 물에 잉크를 한 방울 떨어뜨리면 서서히 퍼져나가 결국 물 전체가 흐려지듯, 컴퓨터 그래픽에서도 원본 이미지에 미세한 노이즈를 계속 더하면 결국 아무런 형태도 없는 회색 모래알 같은 상태가 됩니다. 디퓨전 모델은 이 과정을 거꾸로 되돌리는 훈련을 거쳐 만들어집니다.

노이즈를 걷어내는 역방향 생성 원리

디퓨전 모델의 핵심 학습 과정은 크게 두 가지 단계로 나뉩니다. 첫 번째는 원본 이미지에 단계별로 가우시안 노이즈를 더해 완전한 백색 소음 상태로 만드는 과정이고, 두 번째는 인공지능이 그 반대 방향으로 한 단계씩 노이즈를 예측하고 제거하도록 학습하는 과정입니다.

  • 순방향 과정(Forward Process): 선명한 고양이 사진에 조금씩 모래알 같은 점을 덧씌워 최종적으로 알아볼 수 없는 잡음 데이터로 만듭니다.
  • 역방향 과정(Reverse Process): 아무것도 보이지 않는 잡음 화면에서 인공지능이 '여기에는 고양이 귀의 윤곽이 있을 것'이라고 예측하며 노이즈를 조금씩 깎아냅니다.
  • 텍스트 조건 결합(Conditioning): 사용자가 입력한 프롬프트는 노이즈를 걷어낼 때 어떤 형태로 윤곽을 잡아야 할지 방향을 잡아주는 나침반 역할을 합니다.

연남동 카페 골목에서 찾아보는 실무 적용 사례

서울 마포구 연남동에서 작은 수제 디저트 카페를 운영하는 소상공인이 계절 한정 메뉴 홍보 포스터를 제작하는 상황을 떠올려 볼 수 있습니다. 디자이너를 고용하기 어려운 상황에서 상점 주인은 디퓨전 기반 도구에 계절 과일 케이크와 따뜻한 조명 분위기를 묘사한 문장을 입력합니다.

인공지능은 순수한 컴퓨터 노이즈 화면을 펼쳐놓고, 입력된 문장 지침에 맞춰 딸기의 붉은색과 크림의 질감을 픽셀 단위로 조금씩 정돈합니다. 몇 초 만에 카페 창문에 붙일 만한 감각적인 일러스트 시안 서너 장이 화면 위에 선명하게 드러납니다. 복잡한 그래픽 툴을 다루지 못해도 누구나 상상 속 구상을 시각 자료로 구체화할 수 있는 이유가 바로 이 기술 덕분입니다.

스텝(Steps) 수와 작업 품질의 균형 잡기

디퓨전 모델을 직접 다룰 때 가장 자주 마주치는 설정값이 바로 Steps입니다. 스텝은 노이즈를 몇 번에 나누어 제거할 것인지를 결정하는 횟수를 의미합니다.

스텝 수를 늘리면 모델이 이미지를 다듬는 기회가 많아져 선의 디테일이나 배경 질감이 섬세해지는 경향이 있습니다. 그러나 스텝 수가 일정 수준을 넘어서면 컴퓨터 연산 시간만 길어질 뿐 시각적인 품질 향상은 미미해집니다. 반대로 스텝 수가 너무 적으면 안개가 덜 걷힌 것처럼 뭉개진 형태가 남게 되므로, 작업 속도와 세부 묘사 사이에서 적절한 기준점을 찾는 작업이 중요합니다.

자주 하는 오해: 기존 이미지를 오려 붙이는 것일까?

디퓨전 모델이 인터넷에 있는 그림을 조각조각 오려 붙여 콜라주를 만든다고 오해하는 경우가 많습니다. 하지만 디퓨전 모델은 기존 이미지를 데이터베이스처럼 저장해 두지 않습니다.

모델 내부에는 수많은 이미지를 관찰하며 터득한 개념적 규칙, 예를 들면 빛의 반사 원리나 붓 터치의 질감 같은 추상적 패턴만 수치로 저장되어 있습니다. 따라서 생성되는 모든 결과물은 백지 상태의 노이즈에서 완전히 새롭게 계산되어 나타나는 독창적인 픽셀 배열입니다.

Midjourney, FLUX, Ideogram, GPT Image, ComfyUI 설정 방법 및 전후 비교 이미지: 파라미터 사전 속 샘플링 스텝 (Sampling Steps)

자주 묻는 질문

디퓨전 모델과 기존 GAN 모델의 가장 큰 차이점은 무엇인가요?

GAN은 두 개의 네트워크가 경쟁하며 한 번에 이미지를 만들어내는 반면, 디퓨전 모델은 노이즈를 수십 번에 걸쳐 단계적으로 지워나갑니다. 이 덕분에 디퓨전 모델이 훨씬 다양하고 안정적인 화질을 보여줍니다.

스텝(Steps) 수를 무조건 최대치로 올리면 품질이 좋아지나요?

그렇지 않습니다. 일정 횟수를 넘어가면 화질 개선 효과는 거의 없고 생성 대기 시간만 길어지며, 때로는 과도한 계산으로 인해 오히려 어색한 결과물이 나오기도 합니다.

디퓨전 기술은 이미지를 만드는 데만 쓰이나요?

아닙니다. 최근에는 이미지뿐만 아니라 동영상 프레임 생성, 음성 합성, 3D 모델링, 신약 개발을 위한 분자 구조 설계 등 다양한 분야로 확장되어 활발히 사용되고 있습니다.

← AI 용어 사전 전체 보기

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›