Language-Image Multi-modal AI 기술 연구 - DALL:E 그림 그려줘!

SKT AI FELLOWSHIP 4기에서 Language-Image Multi-modal AI 기술 연구를 진행하는 KEANU님이 DALL:E 논문을 리뷰하는 글입니다. DALL:E는 사용자의 텍스트 프롬프트로부터 이미지를 생성하는 OpenAI의 Multi-Modal AI 모델로, 자연어 처리(NLP)와 컴퓨터 비전(CV) 기술이 결합된 혁신적인 기술입니다.

DALL:E 이전의 GAN 기반 모델들은 논리적이지 않거나 왜곡된 결과를 생성하는 한계가 있었지만, GPT-3와 같은 Auto Regressive Transformer 기반의 DALL:E는 이러한 문제를 해결하고 성공적인 결과물을 보여주었습니다. 이 모델은 약 2억 5천만 장의 이미지-텍스트 쌍으로 이루어진 대규모 데이터셋을 학습했으며, 특히 Conceptual Caption Dataset을 활용했습니다.

이 글은 DALL:E의 기술적 배경과 발전 과정을 쉽게 설명하며 AI가 미술 영역까지 확장되는 가능성을 보여줍니다.