문화/지역적인 차이도 존재했는데, 기존 웹 이미지 데이터를 수집하는 Mid Journey의 생성 풀 특성상, 원하는 이미지의 표본이 적은 경우에는 생성에 어려움이 있었다. 예를 들어, 20대 동양인 여성을 생성하는 것은 상대적으로 쉽지만, 고령의 한국 할머니 모델을 생성하는 것은 거의 불가능하다시피 했다. 웹 데이터상에 한국 노인의 이미지 자체가 적었기 때문에, 아무리 스크립트를 교정해도 모든 할머니가 기모노를 입은 채 생성되는 웃지 못할 일이 벌어지기도 했다.
그 외에도, AI가 수집하는 ‘미래’ 키워드의 이미지가 지나치게 디스토피아적이거나, 생성형 AI 프로그램별로 특유의 화풍이 존재하는 문제도 있었다. Mid Journey의 경우에는 채도가 과하게 높거나 세피아 톤의 이미지가 주를 이루었고, DALL-E는 동화적인 이미지에 가까웠다. 이를 해결하기 위해, 프로그램 별 역할을 규정하고 원하는 데이터를 추려 학습시키는 방법 등이 구체적으로 논의되었다. 이후 3개월간 총 1만여 장의 이미지를 생성하며 제일기획과 광고주, 모든 협력사가 AI 개념에 대한 점진적 학습을 이루었고, 그 결과물은 나름 성공적이었다고 생각한다.
네이버 생성형인공지능 클로바X(CLOVA X) 사용후기 (0) | 2023.09.08 |
---|---|
[보고서]생성AI Research Report : 제3의 새로운 플랫폼 물결, 생성AI 테크 생태계 정리 (0) | 2023.08.10 |
패션브랜드 리볼브(Revolve)는 생성형 이미지 인공지능 서비스를 어떻게 활용하고 있나? (0) | 2023.05.25 |
럭셔리 니트웨어 패션브랜드 Sheep Inc 생성형 인공지능( Generative AI )을 어떻게 활용하고 있나? (0) | 2023.05.16 |
어도비(Adobe)는 어떻게 생성형 이미지 인공지능 'Adobe Firefly' 는 편향성 최소화(Bias Mitigation) 하였는가? (0) | 2023.05.11 |
댓글 영역