Stable Diffusion의 하이퍼파라미터값에 따른 이미지 생성 정확도 분석

• Published in: 한국정보통신학회논문지 Vol. 28; no. 11; pp. 1275 - 1281
• Main Authors: 박지우(Ji-Woo Park), 서우진(Woo-Jin Seo), 박찬선(Chan-Sun Park), 박현준(Hyun-Jun Park)
• Format: Journal Article
• Language: Korean
• Published: 한국정보통신학회 01.11.2024
• Subjects: 전자/정보통신공학; AI 생성 이미지 정확도; Generative AI; 생성형 AI; YOLO 객체 인식; Hyperparameter; YOLO object detection; 하이퍼파라미터; Stable diffusion; AI-Generated image accuracy
• ISSN: 2234-4772; 2288-4165
• DOI: 10.6109/jkiice.2024.28.11.1275

본 논문은 하이퍼파라미터 조정이 이미지 품질에 미치는 영향을 분석하여 Stable Diffusion의 성능을 객관적으로평가한다. Stable Diffusion은 텍스트 프롬프트를 기반으로 이미지를 생성하고 이미지 편집 등 다양한 작업을 수행할수 있는 AI 모델이다. 생성된 이미지의 정확도를 평가하기 위해 본 연구는 YOLO 객체 인식 모델을 사용하여, 다양한하이퍼파라미터 설정이 전체 이미지 정확도에 미치는 영향을 분석한다. 실험 결과는 모델 최적화에 유용한 통찰을제공하며, 성능 개선을 위한 필수 데이터를 제시한다. 본 논문은 복잡한 프롬프트 처리 및 자동 하이퍼파라미터 조정의 필요성을 강조하며, AI 기반 이미지 생성의 지속적 개선을 위한 기초 자료가 될 것이다. This paper presents an objective evaluation of Stable Diffusion’s performance by analyzing the impact ofhyperparameter adjustments on image quality. Stable Diffusion is an advanced AI model designed to generate imagesfrom text prompts and capable of performing various tasks, including image editing and transformation. To assess theaccuracy of the generated images, this study utilizes the YOLO object recognition model as a measurement tool,examining how different hyperparameter settings influence overall image accuracy. Experimental findings offer valuableinsights into model optimization, providing essential data for refining Stable Diffusion’s performance. The study highlightsthe need for future research in developing complex prompt processing techniques and establishing automatedhyperparameter tuning systems, which are critical for enhancing model adaptability and image generation quality. Byproviding a foundational understanding, this research serves as a basis for ongoing improvement efforts in AI-based imagegeneration. KCI Citation Count: 0