새로운 학습 없는 어텐션 기법이 두 확산 트랜스포머의 추론 시간을 최대 1.57배 줄이면서 생성 품질을 유지한다.
짧은 소식작성: OossaOossa 게시일: 1 분 읽기
Bingxin Xing이 이끄는 연구진은 사전 학습된 확산 트랜스포머의 밀집 셀프 어텐션을 재학습 없이 대체하는 Sink-Sparse Hybrid Attention을 발표했다. 이 기법은 소규모 보정 데이터셋으로 고정된 ‘싱크 마스크’를 만들고, 가벼운 풀링 KV 분기를 추가한다. Wan2.1‑T2V‑1.3B 모델에서는 전체 생성 속도가 1.54배, Z‑Image‑Turbo에서는 1.57배 빨라졌으며, 생성 품질은 기존 모델과 비슷했다.
추론 속도가 빨라지면 개발자는 이미지나 영상을 더 적은 비용으로 생성할 수 있어, 텍스트로 미디어를 만드는 앱의 비용을 낮출 수 있다.
모델
Canva의 새 AI 모델은 세밀한 레이아웃과 편집 가능한 텍스트를 갖춘 최대 2K 이미지를 생성한다. Dream Lab과 API를 통해 이용할 수 있다.
모델
힌디어와 핀란드어를 포함해 음성 14종을 추가했다. 기존 생성형 음성 이용자는 코드 변경이나 요금 인상 없이 업그레이드를 이용할 수 있다.
모델
Uber는 직원 1,000명을 대상으로 한 시범 운영에 이어 전 세계 직원들이 ChatGPT Work를 사용하게 된다고 밝혔다. 도입 비용은 공개하지 않았다.
Oossa · 뉴스레터
이번 주 AI, 쉽게 정리
매주 월요일, 알아둘 만한 소식을 쉬운 말로. 무료, 스팸 없음.
