README.md

HypoNet 🗂️

Image Dataset Generation Using Diffusion Model
디퓨전 모델을 활용한 이미지 데이터셋 생성

• HypoNet 을 사용하면 합성 이미지만으로도 AI 모델 학습이 가능함
• 관련 연구 중 가장 높은 지표 점수 달성 (Accuracy, FID, IS)

설명

최근 AI 발전의 고도화와 함께 학습 데이터의 부족 문제가 대두되고 있다.
학습 데이터를 생성하여 모델을 학습시키려는 연구는 지속되었지만 모두 실패하였다.
HypoNet은 기존 연구의 문제점들을 해결하였고,
실제 이미지 없이 생성된 합성 이미지 만으로도 AI 모델 학습이 가능해졌으며
심지어, 실제 이미지로만 학습된 모델보다 더 높은 정확도를 달성하였다.

사용언어	하드웨어	제작년도
Python	A100, H100, RTX4090*4	2023

1. HypoNet의 입력은 한 장의 이미지이다.
2. HypoNet의 출력은 다양한 Hyponym(하위 카테고리)이다.
3. Diffusion Model의 앞단에 Input으로 적용되며, 결론적으로 다양한 이미지를 생성하게 된다.

• HypoNet 적용 전 한 가지 종의 고양이, 정면 이미지만 출력 됨
• HypoNet 적용 후 여러 종의 고양이, 다양한 각도의 이미지가 출력 됨

HypoNet Demo

• 원하는 갯수의 Hyponym이 출력된다.
• 최대 개수는 WordNet(사전)에 등록된 단어 수이다.

HypoNet + SD 1.5 Demo

• Hyponym과 결합된 SD는 다양한 이미지를 생성한다.

Hyponet 구조

검증 방법

1. SD(1.4, 1.5, XL)을 베이스로 다양한 기법을 적용하여 데이터셋을 생성
2. 어떤 기법을 적용했을 때 가장 지표 점수가 높은지 비교 (Accuracy, FID, IS)

검증 결과

• 초록색 : 실제이미지(CIFAR-10 Train)데이터로 학습시 이미지 분류 정확도
• 파란색 : 각 기법 적용 후 생성된 데이터로 학습시 이미지 분류 정확도
• 빨간색 : HypoNet 적용 후 생성된 데이터로 학습시 이미지 분류 정확도

결론

HypoNet 은 모든 기법들에 비해 더 높은 정확도 를 달성하였으며
특히 1.5모델 기반 데이터는 실제 이미지로 학습한 모델보다 정확도가 높았다.