Imagen은 Google DeepMind가 개발한 일련의 텍스트-이미지 모델로, 자연어 텍스트 프롬프트에서 고충실도 이미지를 생성하도록 설계되었다. 이 모델들은 Transformer (architecture) 기반 언어 이해와 확산 모델 이미지 생성을 결합하여, DALL-E 및 Stable Diffusion과 같은 저명한 생성형 AI 도구들 사이에 자리 잡고 있다. Imagen은 Gemini 및 Vertex AI를 포함한 다양한 Google 서비스를 통해 접근할 수 있으며, 도입 이후 여러 주요 버전이 출시되었다.
원래 Imagen 모델은 2022년 5월에 발표된 연구 논문에서 처음 제시되었으며, 2023년 4월 DeepMind와 합병되기 전 Google Brain 팀이 개발했다. 이후 버전인 Imagen 2와 Imagen 3는 각각 2023년 12월과 2024년 8월에 출시되었으며, 각 반복은 이미지 품질, 텍스트 렌더링 및 사용자 제어를 개선했다. 2025년 5월, Google은 연례 Google I/O 컨퍼런스에서 Imagen 4를 발표하여 모델의 기능을 더욱 발전시켰다.
기술
Imagen의 아키텍처는 두 가지 핵심 기술에 의존한다: 텍스트 인코딩을 위한 고정된 대규모 언어 모델(LLM)과 이미지 생성을 위한 캐스케이드 확산 모델이다. T5 트랜스포머 계열을 기반으로 한 텍스트 인코더는 입력 프롬프트를 이미지 합성 과정을 안내하는 의미적 임베딩으로 변환한다. 그런 다음 확산 모델은 일련의 단계로 작동하여 저해상도 이미지(64×64 픽셀)에서 시작하여 점진적으로 더 높은 해상도로 업샘플링하며, 초기 버전에서는 최종적으로 1024×1024 픽셀에 도달한다. Imagen 4는 이 기능을 확장하여 최대 2K 해상도의 이미지를 생성하여 디테일과 시각적 충실도를 향상시킨다.
캐스케이드 설계는 모델이 이미지를 점진적으로 정제하여 텍스트 프롬프트와의 일관성 및 정렬을 개선할 수 있게 한다. 이 접근 방식은 단일 단계 모델과 대조되며, 더 효율적인 훈련과 더 높은 품질의 출력을 가능하게 한다. 고정된 LLM의 사용은 또한 자연어 처리의 발전을 활용하여 Imagen이 추상적 개념과 문체적 지시를 포함한 복잡한 프롬프트를 이해할 수 있게 한다.
기능
Imagen은 텍스트 설명에서 사실적인 이미지를 생성하는 데 탁월하지만, 영화적, 35mm 필름, 일러스트레이션 및 초현실적 미학을 포함한 광범위한 예술적 스타일도 지원한다. 이러한 다재다능함은 디지털 아트, 광고 및 컨셉 디자인과 같은 창의적 응용에 적합하게 만든다. 이 모델은 9:16, 3:4, 1:1, 4:3 및 16:9를 포함한 여러 종횡비로 이미지를 생성할 수 있어 다양한 디스플레이 형식과 사용 사례를 수용한다.
초기 생성 외에도 Imagen은 편집 기능을 제공하여 사용자가 새 텍스트 프롬프트를 제공하여 기존 이미지를 정제할 수 있게 한다. 이 기능은 사용자가 전체 이미지를 재생성하지 않고 구성, 스타일 또는 특정 요소를 조정할 수 있는 반복적 창의적 워크플로우를 가능하게 한다. 그러나 다른 텍스트-이미지 모델과 마찬가지로 Imagen은 인간의 손가락, 텍스트, 앰비그램 및 기타 복잡한 타이포그래피를 정확하게 렌더링하는 데 어려움을 포함한 한계가 있다. 이러한 과제는 이 분야에서 흔하며 지속적인 연구 영역이다.
같이 보기
- 인공지능 예술
- 컴퓨터 아트
- 생성 예술
- DALL-E
- Midjourney
- Recraft
- Stable Diffusion