Evolutionary Optimization Trumps Adam Optimization on Embedding Space Exploration

Created by

Haebom

저자

Domicio Pereira Neto, Joao Correia, Penousal Machado

💡 개요

본 논문은 Stable Diffusion XL Turbo 모델에서 프롬프트 임베딩을 최적화하여 이미지 생성 과정에 대한 효율적인 제어를 탐구합니다. 이를 위해 경사 하강법 기반의 Adam 옵티마이저와 경사 없는 진화 기반의 sep-CMA-ES 옵티마이저를 비교 분석했습니다. 실험 결과, sep-CMA-ES가 미적 품질과 프롬프트-이미지 일치도 간의 균형을 더 효과적으로 달성하며, 모델 미세 조정 없이도 더 나은 성능을 보였습니다.

🔑 시사점 및 한계

•

진화 기반 최적화 기법(sep-CMA-ES)이 기존의 Adam 옵티마이저보다 이미지 생성 프롬프트 임베딩 탐색에 더 효과적일 수 있음을 입증했습니다.

•

모델 미세 조정 없이 추론 시점에 프롬프트 임베딩을 최적화함으로써, 미적 품질과 프롬프트 일치도 간의 균형을 개선하고 자원 효율성을 높일 수 있습니다.

•

본 연구는 특정 데이터셋과 모델(Stable Diffusion XL Turbo)에 국한된 결과이며, 다른 확산 모델이나 다양한 프롬프트 설정에 대한 일반화 가능성 검증이 필요합니다.

PDF 보기

Made with Slashpage