SustainDiffusion: Optimising the Social and Environmental Sustainability of Stable Diffusion Models
Created by
Haebom
저자
Giordano d'Aloisio, Tosin Fadahunsi, Jay Choy, Rebecca Moussa, Federica Sarro
개요
본 논문은 Stable Diffusion(SD) 모델의 사회적, 환경적 지속가능성을 높이기 위한 새로운 접근법인 SustainDiffusion을 제시합니다. SustainDiffusion은 하이퍼파라미터와 프롬프트 구조의 최적 조합을 탐색하여 생성 이미지의 성별 및 인종 편향을 줄이고 에너지 소비량을 낮추는 것을 목표로 합니다. 기존 SD 모델과 비교하여 이미지 품질을 유지하면서, 실험 결과 성별 편향 68%, 인종 편향 59%, 에너지 소비량 48% 감소를 달성했습니다. 이는 모델의 미세 조정이나 구조 변경 없이 가능함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
Stable Diffusion과 같은 텍스트-이미지 생성 모델의 사회적, 환경적 영향을 완화하는 새로운 방법을 제시합니다.
◦
모델의 성능 저하 없이 편향성과 에너지 소비를 동시에 감소시킬 수 있음을 보여줍니다.
◦
하이퍼파라미터와 프롬프트 최적화를 통해 지속가능성을 향상시킬 수 있는 가능성을 제시합니다.
◦
다양한 프롬프트에 대해 일관되고 일반화 가능한 결과를 얻을 수 있습니다.
•
한계점:
◦
현재 제시된 방법이 모든 유형의 편향이나 환경적 영향을 완벽히 해결한다고 단정할 수 없습니다. 더욱 다양하고 광범위한 테스트가 필요할 수 있습니다.
◦
에너지 소비량 감소는 특정 하드웨어 환경에서 측정된 결과이므로, 다른 환경에서는 다를 수 있습니다.
◦
사용된 편향 측정 지표의 한계로 인해, 실제 사회적 영향을 완전히 반영하지 못할 가능성이 있습니다.
