画像生成AIの計算費用を削減する新手法
画像生成AI、特に拡散モデルと呼ばれる仕組みは、高品質な画像を生成する能力を持つ一方で、その計算処理には大きな費用がかかります。これは、画像を生成する際に「生成段階」と呼ばれる多数の計算ステップを順に実行する必要があるためです。この生成段階の数が多ければ多いほど、生成にかかる時間や、それに伴う計算機の利用費用が増大します。これまで多くの研究が、より効率的な計算方法や生成手法の開発に注力してきました。しかし、画像を生成する「タイミング」や「間隔」といった生成段階の選び方そのものに焦点を当てた研究は、比較的少なかったのが実情です。
ベイズ最適化による直接的な品質向上
今回提案された「OYS（Optimizing Your Sampling）」は、この生成段階の選び方を直接最適化する画期的な手法です。従来のやり方では、画像の品質を間接的に示す指標（代理指標）を最適化していました。しかしOYSは、最終的な画像の「出来栄え」という評価基準を直接、中身を見ない最適化（ブラックボックス最適化）の手法であるベイズ最適化を使って調整します。ベイズ最適化は、試行錯誤を通じて最適な組み合わせを見つけ出す手法です。これにより、どの生成段階で計算を進めるのが最も効率的かを、実際に試しながら見つけ出します。このアプローチにより、理論的な仮定に頼らず、実際の性能を最大化することが可能になります。
既存のAIにも適用可能
OYSの大きな強みは、その幅広い適用範囲と手軽さです。この手法は、テキストからの画像生成や、画像の一部を修正する塗りつぶし作業など、様々な画像関連の作業で優れた結果を示しています。数値的な評価はもちろんのこと、人が見て感じる品質（人間の評価）においても、既存の手法を上回ることが確認されました。さらに、OYSは既存のAIに対して特別な学習を追加する必要がありません。これは、開発者がすぐにこの技術を導入できることを意味します。また、軽量化されたモデル（ディスティルドモデル）にも適用でき、シンプルな生成手法であるEulerから、より複雑なDPM-Solver++といった高度な生成手法まで、幅広く効果を発揮します。
計算費用を劇的に削減
OYSの導入により、画像生成にかかる計算費用は劇的に削減されます。具体的な成果として、50段階の計算で得られる画像の品質とほぼ同等（89%から94%の品質を保持）の画像を、わずか5段階の計算で生成できることが示されました。これは、画像生成にかかる費用を最大で10分の1に削減できることを意味します。計算負荷の軽減は、クラウドサービスの利用費用削減に直結し、より多くのユーザーが画像生成AIを手軽に利用できるようになる大きな一歩です。また、生成時間の短縮は、リアルタイムでの画像生成が求められるアプリケーション開発にも貢献します。
私の見方
画像生成AIの普及において、計算費用は常に大きな課題でした。OYSは、この課題に対して非常に実践的な解決策を提示しています。生成段階の最適化という、これまであまり注目されてこなかった部分に焦点を当てたのが素晴らしいです。私の経験上、このような「地味だが効果絶大」な改善こそが、プロダクトの競争力を大きく左右します。特に、追加学習なしで既存のAIに適用できる点は、業界全体の開発速度を加速させるでしょう。今後は、この手法が様々な画像生成AIに標準機能として組み込まれることに期待しています。
PR
文賢 →
画像生成AIの費用対効果は常に問われます。OYSは、その本質を突いた最適化です。生成段階の選定は、プロダクトの速度と費用に直結します。最速で一次情報を掴み、RO合同会社の仕組みにすぐ取り入れます。
