2025-10-22 | 울산=장지승 기자

UNIST提出更进化的“AI画家”设计原理

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

在ChatGPT中输入要求绘制吉卜力风格图像时,实际作画的主体并非ChatGPT,而是名为DALL·E的扩散模型。这类扩散模型能生成高品质图像,但也会出现手指有3根或面部扭曲的画面,且因拥有数十亿个参数,难以在智能手机等计算资源有限的设备上直接运行。韩国研究团队提出了可解决这一局限的生成式AI设计原理。

蔚山科学技术院(UNIST)人工智能研究生院尹成焕、刘在俊教授研究团队22日表示,已通过理论与实验证明:在训练扩散模型时,若设计使其到达损失函数的平坦最小点(flat minima),可同时提升模型的稳健性(robustness)与泛化性能(generalization)。

扩散模型能生成高品质图像,已被应用于ChatGPT的DALL·E和Stable Diffusion等图像生成AI。它可以把我的照片改成吉卜力风格、梵高画风,也能把专属角色做成四格漫画,或将想象中的风景绘制得如现实照片一般。

但这类扩散模型存在“稳健性”不足的问题,易受短生成过程中误差累积、为将模型移植到小型设备而压缩过程中产生的量化误差、以及在输入中植入微小扰动以扰乱输出的对抗攻击(adversarial attack)等影响。

研究团队判断,稳健性问题源于AI根本性的泛化性能不足。泛化性能指模型在未用于训练的新数据或新环境中也能稳定运行的能力。

研究团队在损失函数的“最低点谷形”中找到了问题的解法。损失函数以数值表示AI预测结果与正确答案之间的差异,数值越低意味着学习状态越好。AI在学习过程中朝着降低损失值的方向前进,若该最低值点狭窄陡峭,轻微扰动便会使性能崩溃;相反,若到达宽阔平坦的最小点,即便遇到新情况或干扰,性能也能稳定保持。

在寻找平坦最小点的学习算法中,SAM(Sharpness-Aware Minimization)被证明最为有效。应用SAM的扩散模型在短生成过程中受误差累积影响较小,在为移植到小型设备而进行的压缩(量化)中品质下降也较小。尤其是在比原有模型强7倍的对抗攻击下仍能保持性能,大幅提升了扩散模型的稳健性。

研究团队解释,扩散模型的稳健性问题——包括反复生成导致的误差累积、轻量化时产生的量化(quantization)误差、对抗攻击脆弱性——此前一直被分别研究,而团队通过此次研究证明,可用“平坦最小点”这一单一原理解决所有这些问题。

研究团队表示:“其意义在于不仅提升图像品质,更提出了在各类产业与实际环境中都可放心使用的生成式AI设计原理”,“这将成为让ChatGPT等大规模生成模型仅用少量数据也能稳定学习的基础。”

此次研究由UNIST研究员李泰焕、徐庆国作为第一作者参与。

研究成果被2025 ICCV(International Conference on Computer Vision)采纳。ICCV是人工智能领域权威学会之一,今年的学会于19日在美国夏威夷开幕,为期5天,至23日结束。研究获得韩国科学技术情报通信部、韩国研究财团、信息通信规划评价院、韩国保健福祉部、蔚山科学技术院的支持。

阅读韩文原文