네, 오늘은 프롬프트 엔지니어링 팁에 대해 공유하겠습니다.

미드저니 V6 업데이트 사항 요약

한줄요약: 일단 가장 큰 변화는 단연 이미지 퀄리티! 그리고 텍스트를 넣을 수 있게되었습니다.

*V6 적용은 프롬프트 마지막에 --v 6 라고 넣으시면 됩니다!

1. 프롬프트 정확도 및 길이 개선: V6는 프롬프트를 더 정확하게 따르며, 더 긴 프롬프트를 지원합니다. 사용자의 지시사항을 더 잘 이해하고 따를 수 있습니다.

2. 일관성과 지식 개선: 모델의 일관성과 지식이 향상되어 더 일관된 결과와 정보에 입각한 결과를 제공합니다.

3. 이미지 프롬프팅 및 리믹스 개선: 사용자는 이미지 프롬프팅 능력과 리믹스 옵션의 개선을 통해 더 창의적이고 다양한 결과를 얻을 수 있습니다.

4. 간단한 텍스트 드로잉 기능 추가: V6는 이제 간단한 텍스트 요소를 그릴 수 있습니다. 이 기능을 사용하려면 텍스트를 "따옴표"로 작성하고 --style raw 또는 --stylize 값을 조정해야 합니다.

5. 업스케일링 개선: 'subtle' 및 'creative' 모드를 포함한 업스케일링 기능이 향상되어 이미지 해상도를 두 배로 늘릴 수 있습니다.

6. 출시 시 지원되는 기능들: 새 모델은 --ar, --chaos, --weird, --tile, --stylize 등 다양한 기능을 지원합니다. Vary (subtle 및 strong) 및 Remix 기능도 사용할 수 있으며, /blend와 /describe (V5 버전)도 지원됩니다.

7. 추후 추가될 기능들: Pan, Zoom, Vary (region), /tune, 그리고 업데이트된 /describe 버전 등 새로운 기능들이 곧 추가될 예정입니다.

8. V6 스타일 및 프롬프팅 팁:

   • V6는 V5와는 다른 새로운 접근 방식을 요구합니다. 불필요한 설명을 피하고 명확하게 요구 사항을 전달해야 합니다.

   • 더 사실적이고 객관적인 이미지를 원한다면 --style raw를 기본으로 사용하는 것이 좋습니다.

   • --stylize 값 조정을 통해 프롬프트의 정확도와 미적 품질의 균형을 맞출 수 있습니다.

9. 알파 테스트 주의사항: V6은 현재 알파 테스트 중이며 자주 변경될 수 있습니다. 사용자는 이 모델이 영구적으로 사용 가능할 것으로 기대해서는 안 됩니다.

10. 커뮤니티 기준: V6 모델은 이전에 출시된 것보다 훨씬 사실적인 이미지를 생성할 수 있습니다. 긍정적인 커뮤니티 환경을 유지하기 위해 강화된 모더레이션 시스템을 통해 커뮤니티 기준을 엄격하게 집행할 예정입니다.

11. 모델 배경: V6은 AI 슈퍼클러스터에서 처음부터 훈련된 세 번째 세대 모델입니다. 이는 최종 버전은 아니지만 인간의 창의성과 AI의 결합을 향한 한 걸음입니다.

AI로 옷 입는 방식이 바뀐다! (Outfit Anyone)

연봉협상을 앞두고 계신가요?

연봉협상을 잘하기 위한 방대한 지식을 학습했습니다.

저와의 역할극을 통해 연봉을 10x하세요.

봉주놉니다. 오늘은 이미지 to 영상 변환 AI 모델을 시험해보겠습니다.

PDF문서나 웹사이트URL만 있으면 자기 맞춤 챗봇을 생성할 수 있습니다!

유용한 생성형AI 제품 자랑하게 해주세요 :)

https://docenty.ai 를 활용해서, PDF문서나 웹사이트URL만 있으면 자기 맞춤 챗봇을 생성할 수 있습니다!

자기 웹사이트에 넣을 수도 있고, 각종 메신저에서 봇으로 사용하실 수 있어요. (조만간..)

회원 가입하면 더 성능 좋은 챗봇을 만들 수 있고, 관리할 수 있어요.

부디 의견 많이 주세요!

현직 크리에이티브 디렉터의 AI로 광고영상 만들기

Large Language Model(LLM) 대신 Small Language Model(SLM)은 어떤건가요?

어제 밤 10X AI Club 1기 멤버들과 두번째 스터디 세션을 열었습니다.

10X AI Club의 멤버이신 박찬진님께서 게스트로 오셔서 Microsoft가 바라보는 앞으로의 생성AI 미래, B2B 기업들에서 공통적으로 가장 많이 원하는 생성AI use cases, 스타트업들이 가져야 할 비즈니스 전략 등에 대해서 짧게 소개하고 Q&A 하는 세션을 가졌어요.

세션의 마지막 슬라이드가 가장 인상 깊었는데, 스타트업, 혹은 서비스를 상용화 시키고 싶은 개인이 프로덕트를 빌딩할때 어떤 것들을 중점으로 둬야하는지 소개해주셨어요.

1. 문제를 제대로 파악해라

2. 모든 것을 일일이 만들려고 하지 말고 오픈소스로 나와있는 기존의 AI 툴들을 사용해서 빨리 만들어라

3. SLM을 사용해라

4. 퀄리티 높고 깨끗한 데이터를 학습시키는게 가장 중요하다

5. AI 윤리를 중요시 여겨라 (개인정보보호)

하나하나 다 공감이 되면서, SLM이 뭔지 궁금해지기 시작했고, 1기 멤버분들도 이와 관련된 질문들을 해주셨어요.

1. SLM이 뭔가요? LLM이랑 어떤 차이가 있나요?

2. SLM을 쓰면 LLM에 비해 장단점이 무엇이 있나요?

3. SLM을 사용하면 OpenAI의 LLM 모델들을 쓸때에 비해 개인정보보호가 더 잘되나요?

4. SLM 예시는 어떤 것들이 있나요?

SLM이 뭔가요? LLM이랑 어떤 차이가 있나요?

이 링크의 내용을 첨부합니다. (https://www.thedatahunt.com/trend-insight/what-is-llm#:~:text=SLM%20(Small%20Language%20Model)%3A,%EB%B9%A0%EB%A5%B8%20%ED%8A%B9%EC%A7%95%EC%9D%84%20%EA%B0%80%EC%A7%80%EA%B3%A0%20%EC%9E%88%EC%8A%B5%EB%8B%88%EB%8B%A4.)

언어 모델의 유형

언어 모델에 대한 연구는 현재에도 진행형입니다. 본격적으로 작동 원리에 대해 이해하기 전에, 개발 단계를 네 가지로 나눠 알아보겠습니다.

‍

SLM (Small Language Model): 제한된 양의 텍스트 데이터를 학습하여, 작업 전반에 걸쳐 국소적인 문맥을 이해하는 데에 초점을 맞춥니다. 작은 규모에도 불구하고, SLM은 가볍고 실행 속도도 빠른 특징을 가지고 있습니다.

NLM (Neural Language Model): NLM은 기존의 통계 기반 언어 모델보다 더 정확한 성능을 제공합니다. 이러한 모델은 주로 단어 임베딩, 문장 완성, 기계 번역 등 다양한 NLP 작업에 사용됩니다.

PLM (Pretrained Language Model): PLM은 대규모 데이터셋으로 미리 학습되며, 이후 다양한 NLP 작업에 전이학습(Transfer Learning)을 통해 적용됩니다. BERT와 GPT와 같은 주요 모델들은 이 PLM에 속합니다.

‍

연구자들은 PLM을 확장하면 다운스트림 작업에서 모델 용량이 향상될 수 있다는 사실을 발견했습니다. 많은 연구에서 훨씬 더 큰 PLM을 훈련하면서 성능 한계를 탐색해보고자 했죠. 이러한 대형 PLM은 소형 PLM과는 다르게, 일련의 복잡한 작업을 해결할 때 놀라운 능력을 발휘한다는 점이 밝혀졌습니다. 예를 들어, GPT-3는 상황을 학습하여 단발성 과제를 해결할 수 있는 능력을 가졌지만 GPT-2는 그렇지 못했죠. 따라서 연구 커뮤니티에서는 이러한 대형 PLM을 두고 “대규모 언어 모델(LLM)”이라는 용어를 사용하기 시작했습니다. 즉, LLM은 언어 모델의 현주소이자 최종 개발 단계라고 할 수 있습니다.

즉 SLM은 언어 모델의 가장 기초적인 단계에 있는 소규모의 언어 모델이고, 제한된 양의 텍스트 데이터로 조금 더 자세하고 특수한 케이스를 위해 쓰이는 것입니다. LLM은 OpenAI의 ChatGPT와 같이 어떠한 텍스트도 생성해주는 대형 언어모델이고, SLM은 예를 들어 제한된 데이터를 갖고 특정 리서치를 위해서 쓰이는 모델입니다.

SLM을 쓰면 LLM에 비해 장단점이 무엇이 있나요?

1. 효율성: 대형 언어모델보다 적은 양의 컴퓨팅 파워 요구. GPU, CPU 리소스의 비용 값을 감당하기 힘든 개인/작은 팀들을 위해서는 이런 SLM이 더 효율적.

2. 속도: 언어 모델이 작은 만큼 계산 속도와 텍스트를 생성하는 속도도 빠름. 만약 실시간으로 텍스트를 생성해야하는 앱이거나 많은 트래픽이 몰려오는 앱이라면 소형 언어 모델 추천.

3. 커스텀 모델: 특수한 태스크를 위해 소형 언어 모델을 파인튜닝할 수 있음.

4. 정보 보호: 소형 모델들은 외부 서버 없이 사용할 수 있기 때문에 데이터 프라이버시와 integrity를 유지할 수 있음.

즉 OpenAI와 같은 대형 언어모델을 사용하는 것보다 SLM을 쓸때 학습시키는 정보들의 프라이버시를 더 잘 보호할 수 있겠죠?

찬진님께서 말한거와 같이 특정 산업이나 영역에 최적화된 수직적 use case를 만들려면 소형 언어 모델이 적합할 것 같습니다. 그 대신 대형 언어 모델들 보다는 대화의 퀄리티나 역량이 떨어질 수 있다는 점을 감안해야합니다. 그렇지만 학습 데이터의 양이나 퀄리티가 좋다면 이 데이터만 파인튜닝 시킨 소형 언어 모델이 대형 언어 모델보다 퀄리티를 뛰어넘을 수도 있습니다.

또 다른 점은 대형 언어 모델을 사용하다보면 비용적인 측면을 항상 고려해야하는데, 소형 언어 모델들은 좀 더 빠른 속도와 적은 컴퓨팅 파워, 적은 매개변수 (파라미터 값들)로 비용을 절감할 수 있다는 장점도 있습니다.

💡 여기서 잠깐! 매개변수가 뭔가요?
매개변수란 인간의 뇌와 비유해서 설명하자면 뇌에서 정보를 학습하고 기억하는 시냅스와 비슷한 역할을 합니다. 매개변수가 많을수록 언어 모델의 성능이 높아지겠죠? 즉 대형 언어 모델이면 이 매개변수의 수가 소형 언어 모델보다 훨씬 많습니다. 예를 들어 GPT4는 1.7 trillion (1700억)개의 매개변수 사이즈를 갖고 있습니다.

SLM의 예시는 어떤 것들이 있나요?

가장 잘 알만한 예시로 메타가 출시한 LLaMA 중에서 매개변수가 가장 적은 버전인 Alpaca 7B가 있습니다. 적은 양의 학습 데이터만으로 훈련도 3시간 안에 끝냈지만 성능은 GPT-3.5와 비슷하다고 합니다.

다른 예시로는 최근에 Microsoft에서 발표한 Phi-1.5와 Phi-2 입니다. Phi-1.5는 13억개(1.3B)의 매개변수로 학습한 소형 언어 모델로, 훨씬 적은 비용과 시간으로 대형 언어 모델과 비슷한 성능을 보였고, Phi-2는 27억개(2.7B)로 학습시킨 높은 성능의 모델입니다.

다른 소형 언어 모델들

SLM은 LLM을 대체할 수 있을까요?

Microsoft와 같은 경우 아무리 소형 언어 모델들의 성능이 뛰어나도, OpenAI의 GPT-4와 같은 대형 모델들을 완전히 대체할 수는 없다고 했습니다. 대체하는 것보다는, 서로 같이 쓰는 방법을 많은 미국 기업들이 최근에 하고 있죠. 예를 들어, 만약 좀 더 정교한 태스크를 처리해야하는 일이라면 대형 모델을 사용하고, 단순히 문서 요약 및 정리의 업무들이라면 소형 모델들을 사용하는게 더 효율적입니다. 이렇게 한가지의 LLM에 의존하는 것 보다는 동시에 여러 버젼의 LLM을 함께 사용하는 방법도 고려해봐야 할 것 같습니다.

[일레븐랩스] 보이스 클론 결과

영상 덕에 잠시라도 웃을 수 있는 하루 되시길 바랍니다 :)

틸노트: 혁신적인 AI 노트 및 블로그 플랫폼

무언가를 만들면 사람들에게 이야기를 해야 하는데 항상 잊어버리네요. 만들고 말하기가 핵심이라고 했는데 익숙해지기가 쉽지 않은 것 같습니다.

여러분께 강력한 지식 도구를 드리기 위해 틸노트를 다음과 같이 업데이트 했습니다.

• AI 뉴스 : 다양한 AI, 테크 뉴스의 요약본을 매일 제공합니다. (구독하면 이메일로 보내드려요.) 여러분이 가지신 웹링크나 유튜브 링크를 입력하면 빠르게 요약할 수 있어요. 내가 원하는 사이트에 RSS가 있다면 자동으로 찾아주고 번역 및 요약도 할 수 있습니다.

• 틸노트 챗봇 : GPT-4 turbo를 무료로 사용할 수 있습니다. 노트를 작성할 때 챗봇을 활용해서 글 작성, 수정, 생각 등을 할 수 있습니다. (마소에서 지원을 받고 있는데 지원이 끝나는 2월 말 까지 무료로 할 생각입니다. 그 이후로는 키입력 또는 사용량 제한 등을 통해 무리없이 제공할 예정입니다.) 내 노트를 기반으로 채팅도 할 수 있어요.

• AI 검색 : 임베딩 및 벡터DB 저장을 노트에서 바로할 수 있고 AI 검색을 통해 의미 검색읋 할 수 있습니다. 내 노트, AI 뉴스, 틸노트 공개 노트의 다양한 출처에서 다양한 아이디어와 영감을 제공합니다. 바로 내 노트로 입력해서 편집할 수 있습니다.

틸노트로 여러분의 생각을 발전시키고 정보 관리 및 공유를 해보세요. 재미있는 콘텐츠도 만들어 보세요.

틸노트의 유저가 되어주세요. 여러분께 의미있는 서비스로 보답하겠습니다. 감사합니다.

인공 지능으로 프레젠테이션을 만드는 8가지 도구

안녕하세요 이프로입니다.

SHOWMETECH 라는 곳에서 좋은 자료가 있어 공유 드립니다.

한국어에 알맞게 다듬어서 올려드립니다.

​

크로마.AI

Kroma.ai는 가장 비싼 플랫폼이지만 많은 기능을 제공합니다(이미지: Kroma.ai)

Kroma.AI 도구는

• 스타트업 기업 에 매우 유용한 유망한 아이디어에 대해 투자자를 설득하는 데 사용되는 피치 스타일에 특화

• 주요 기능 중 하나는 차트와 표를 사용하여 보다 체계적으로 데이터를 표시할 수 있음.

• 이미지, 아이콘 및 비디오 라이브러리가 있으며 프레젠테이션에 로고를 추가할 수 있는 가능성을 제공

• AI PPT 플랫폼 중 가장 비싼 축에 속하지만 구매하기 전에 사용해 볼 수 있는 무료 옵션을 제공합니다.

​

요금제 및 가격: Explorer — 무료; 프리미엄 — $49.99/월; 엔터프라이즈 — $1699/년.

https://kroma.ai/

​

Presentations.AI

Presentations.AI에는 여러 가지 기성품 및 사용자 지정 가능한 템플릿이 있습니다(이미지: Presentations.AI).

• 작업에 협업 도구가 필요한 경우 시장에서 최고 중 하나로 간주되는 Presentations.AI를 신뢰할 수 있습니다 .

• 아름답게 디자인된 프레젠테이션 템플릿 제공 및 원하는 대로 슬라이드에 요소, 이미지 및 아이콘 추가가능

• Presentations.AI 는 프레젠테이션을 많이 해야 하는 사람에게 유용합니다.

​

요금제 및 가격: 스타터 - 2023년 3월까지 무료; Pro — 2023년 3월까지 연간 $399; 골드 — 협의 중.

https://www.presentations.ai/

Designs.AI

Designs.AI 제품군을 사용하여 프레젠테이션 그 이상을 생성합니다(이미지: Designs.AI).

• 시중에서 가장 완벽한 인공 지능 그래픽 소프트웨어 중 하나 이며 "Creative Suite"라고 불립니다.

• AI를 사용하는 로고, 프리젠테이션, 연설, 비디오 및 카피 제작자를 위한 리소스가 포함

• 텍스트를 입력하기만 하면 인공 지능이 나머지 작업을 수행하여 이상적인 디자인을 생성합니다.

• 다양한 형식에 대해 간단한 수정 및 편집을 수행가능

​

• 이 도구는 또한 창작물에 사용할 수백만 개의 이미지, 비디오 및 아이콘에 대한 액세스를 제공합니다.

​

요금제 및 가격: 기본 — $29/월; Pro — $69/월; 기업 — 협의 중.

https://designs.ai/

​

​

뷰티풀 AI

Beautiful.AI는 미니멀하고 실용적인 프레젠테이션을 좋아하는 사람들에게 적합합니다. (이미지: Beautiful.AI)

• 수동으로 조정할 필요가 없으므로 프레젠테이션을 만드는 데 걸리는 시간을 단축 할 수 있습니다.

• 직관적, 데이터를 보다 명확하고 일관성 있게 만드는 기능이 있습니다.

• 공동 작업과 슬라이드 자체에 주석 작성 가능 팀 프로젝트 가능성 향상

• 요금제 에서 사용할 수 있는 주요 기능 중 일부

템플릿에 대한 액세스, 사용자 정의 가능한 테마 , 내레이션 및 통합Slack, Monday.com, Dropbox,

PowerPoint 및 슬라이드, 이미지, 비디오 라이브러리.

​

요금제 및 가격: Pro — $12/월; 팀 — 연간 요금제로 사용자당 월 $40 기업 — 협의 중.

https://www.beautiful.ai/

​

Venngage

Venngage는 직관적인 인터페이스로 인포그래픽을 뛰어넘어 혁신합니다(이미지: Venngage)

• 인포그래픽으로 알려진 플랫폼이며 이제 프레젠테이션을 포함한 여러 디자인 형식 에 AI기술 제공

• 이 도구에는 빠르고 쉽게 슬라이드를 만들 수 있도록 돕는 AI 기술이 있습니다.

• 텍스트 콘텐츠를 입력하기만 하면 Venngage가 선택할 수 있는 몇 가지 디자인 스타일을 생성합니다.

• 또한 전문성과 일관성을 보장하기 위해 브랜드 색상으로 프리젠테이션을 사용자 정의 할 수도 있습니다.

​

요금제 및 가격: 무료 – 무료; 프리미엄 – 연간 요금제에서 $16/월; 비즈니스 – 연간 요금제로 사용자당 월 $39; 엔터프라이즈 – 월 $499부터 시작합니다.

https://venngage.com/

​

Pitch

실시간으로 팀과 비디오로 대화하면서 프레젠테이션 편집 및 생성(이미지: Pitch)

• 피치는 시장에서 가장 널리 사용되는 도구 중 하나이며 협업 프레젠테이션 에 중점을 둡니다.

• 처음부터 프레젠테이션을 만들거나 창의적으로 디자인된 템플릿 중 하나를 사용 프레젠테이션 제작

• Pitch 의 인공지능 리소스는 이미지 편집 및 자르기로 제한되어 있으며 Google 프레젠테이션과 유사한

인터페이스를 통해 플랫폼의 기능을 사용하여 프레젠테이션을 완전히 편집할 수 있습니다.

• 활용가능 기능

이미지 뱅크, Google Analytics 및 Google 스프레드시트에서 데이터 가져오기,

프레젠테이션에서 비디오 회의, PDF 및 PowerPoint 로 내보내기

​

플랜 및 가격: 스타터 – 무료; 프로 – 연간 요금제에서 월 $8; 기업 – 협의 중.

https://pitch.com/

​

​

슬라이드빈

스타트업을 위한 프레젠테이션 제작을 전문으로 하는 Slidebean은 비즈니스를 위한 훌륭한 추가 기능을 제공합니다. (이미지: 슬라이드빈)

• Kroma.AI와같이 매력적인 디자인으로 Pitches 및 기타 비즈니스 프레젠테이션에 이상적인 PPT AI 입니다.

• 이 도구는 처음부터 나만의 프레젠테이션 또는 AI 기반 프레젠테이션 디자인 기능 활용 옵션을 제공.

• 다양한 디자인 구성을 제공하는 "AI로 정렬" 옵션.

• 무료 플랜은 이미 무제한 프레젠테이션 만들기, 무료 문서 템플릿, 진행 상황 추적기 등과 같은 기능 제공.

​

요금제 및 가격: 기본 – 무료; 올 액세스 – 연간 요금제에서 월 $29.

https://slidebean.com/

​

데크로봇

추격에 뛰어들어 PowerPoint와 쉽게 통합되는 Deck Robot(이미지: Deck Robot)

• Deck Robot을 사용 하면 Office 와 통합 하고 슬라이드 업로드 가능.

• 인공 지능이 클릭 ​​한 번 으로 원하는 방식으로 프레젠테이션을 구성하고 사용자 지정 가능.

• 기존 프레젠테이션의 색상 과 글꼴을 자동으로 수정, 나만의 커스터 마이징 가능.

​

요금제 및 가격: Deck Robot은 요금제를 제공하지 않습니다. 플랫폼을 사용하려면 데모를 예약해야 합니다.

https://www.deckrobot.com/

커머스 기업이라면 당연히 사용해야 할 AI 9종

넘쳐나는 온라인 쇼핑몰

543,088

2022년 기준, 국내 통신판매업으로 신고된 기업 개수입니다.

최근에 달파 BD/Sales 팀과 국내에 커머스 기업이 진짜 많다는 이야기를 하면서 알게 되었습니다.

물론 모든 통신판매업 신고 기업이 이커머스 기업은 아니지만, 국내에서 온라인 쇼핑몰을 운영하는 기업이 엄청나게 많아진 것은 사실입니다. 쿠팡이라는 압도적인 1위 기업이 등장했지만, 오히려 특정 분야에서 전문성을 가지는 버티컬 커머스의 양적 / 질적인 성장을 이끌었죠.

커머스 기업이 많아진 만큼 경쟁도 심화되었고, 좋은 제품만으로는 살아남기 어려워졌습니다. 정보가 넘쳐나는 세상은 역설적으로 정보를 알리기 어려워졌고, 상품 가격은 점차 낮아져 적자를 기록하는 기업이 많아졌습니다.

이제 필수가 된 AI

마케팅과 비용 절감, 두가지 문제를 해결하기 위해 다양한 방법이 등장했고 최근 몇년간 가장 성공적인 성과를 거둔 방법은 바로 AI의 활용입니다. AI를 활용한 마케팅은 기존에 보지 못했던 놀라운 구매 전환율을 기록했고, AI를 활용한 상품 관리는 시간과 비용을 획기적으로 줄여줬습니다.

저 역시 달파에서 수많은 커머스 기업을 위한 AI 제작과 컨설팅을 진행하면서 커머스 기업의 성장에 많은 도움을 주기도 하고, 시장을 선도하는 커머스 기업들의 AI 활용법을 배우기도 했습니다.

그리고 이번 포스팅을 통해 커머스 기업에서 사용하는 AI를 모두 소개하고자 합니다. 마케팅과 관련한 AI는 지난 포스팅에서 잘 정리되어 있어 상품 관리에 사용되는 AI 위주로 정리해보았습니다 😀

온라인 쇼핑몰을 위한 AI 서비스

상품 등록 100% 자동화하기

AI는 상품을 등록할 때부터 사용할 수 있습니다. 특히 상품수가 많을 수록 그 진가가 드러납니다.

제일 먼저 상품을 등록할 때 하는 작업은 카테고리 설정입니다.

한 개씩 등록할 때는 정말 쉬운 작업이지만 상품 수가 많아지고, 카테고리가 다양해지면 많은 시간이 소모됩니다. 그렇기 때문에 한번 설정한 카테고리는 개편하기 정말 어렵습니다. 기존에 등록된 수많은 상품을 한번에 바꾸는 것은 말 그대로 사람이 할 수 없는 작업입니다.

이럴 때 상품 카테고리 자동화 AI를 활용하면 문제를 손쉽게 해결할 수 있습니다.

상품명과 상품 이미지를 기반으로 상품 카테고리를 추정하는 AI는 굉장히 높은 정확도를 가지고 있습니다. 자사몰을 운영할 때 뿐만 아니라 쿠팡, 네이버 쇼핑 등 다양한 오픈마켓에 상품을 연동할 때도 유용하게 사용할 수 있습니다.

자동으로 상품 상세 정보 설정하기

상품 카테고리, 상품명, 가격 등 기본정보를 입력한 다음 가장 중요한 정보를 입력해야 합니다.

바로 상품 상세 정보인데요, 다양한 AI를 잘 활용하면 상품 상세 정보 제작부터 등록까지 자동화할 수 있습니다.

우선 상품 상세 정보를 제작하기 위해서는 상품 사진을 촬영해야 합니다. 촬영한 사진이 너무 많을 경우 이를 상품 옵션에 따라 분류하고 적절하게 배치를 해주는 이미지 분류 AI를 활용할 수 있습니다.

반대로 촬영한 사진이 너무 적거나, 퀄리티가 떨어진다면 이미지 제작 AI를 활용하면 됩니다. 촬영된 사진의 비율을 바꿔주는 것부터, 제품 사진의 배경을 정말 이쁜 스튜디오의 사진으로 자연스럽게 바꿔주거나, 색상을 바꿔주는 등 상상하는 대부분의 작업이 가능합니다.

사진의 분류와 배치가 완료되었다면 MD 코멘트 작성 AI를 활용해 상품을 소개하는 자연스러운 멘트를 추가해 상품 상세 정보를 완성할 수 있습니다.

PLP의 정석

고객이 사이트에 처음 방문할 때 보이는 PLP 페이지는 어떻게든 상품을 클릭하게 만들어야 합니다.

제일 먼저 해야 할 일은 PLP 페이지를 깔끔하게 만드는 작업입니다.

모든 상품의 PLP 이미지를 동일한 스튜디오에서 촬영한다면 가장 좋겠지만, 상품별로 다양한 배경에서 찍은 사진을 가지고 있는 경우가 대부분 입니다. 하지만 수많은 상품이 나열된 상품 목록 페이지에서 각각의 이미지가 중구난방인 경우 소비자에게 부정적인 경험을 제공하게 됩니다.

이런 경우 배경 제거 AI를 활용하면 쉽게 문제를 해결할 수 있습니다. 배경 제거 AI는 하나의 사진 안에서 가장 중요한 피사체를 찾아 이외의 영역을 투명하게 하거나 특정 색으로 칠해주는 AI 입니다.

상품 목록 페이지를 깔끔하게 정리한 이후에는 소비자의 눈길을 끄는 배너를 제작해 적절한 위치에 배치해야 합니다. 그리고 주기적으로 배너를 변경해서 지속적으로 소비자의 클릭을 유도해야 합니다. 이러한 과정에서는 꾸준함이 필수적이기 때문에, 배너 제작은 점점 귀찮은 작업으로 변해갑니다.

이러한 비효율을 해결하기 위해 개발된 배너 제작 AI는 상품 이미지를 적절한 사이즈로 편집 및 생성한 후 상품 정보를 바탕으로 구매를 유도하는 캐치프레이즈를 생성해 최종적인 PLP 배너를 제작합니다.

적절한 상품 이미지와 배너 이미지를 제작해 PLP의 구색을 갖춘 후에는 소비자에게 필요한 상품이 최대한 많이 노출될 수 있도록 상품 배치에 대해서 고민해보아야 합니다. 자동으로 상품을 배치해주는 AI는 AI 활용법 1장에 자세하게 소개되어 있습니다.

검색, 새로운 UX의 핵심

상기 언급된 AI들은 기존에 사람들이 하던 작업을 대체하는 느낌이었다면, 검색 AI는 기존에 없었던 사용자 경험을 제공합니다.

기존에는 소비자들이 직접 쇼핑몰을 둘러보면서 필요한 상품을 발견하거나, 상품이 있을 것으로 예상되는 카테고리를 찾아보는 것이 일반적인 온라인 쇼핑몰 사용법이었습니다. 검색 기능이 존재했지만 상품명에 포함되어 있는 검색어를 입력하지 않으면 상품을 찾을 수 없었기 때문에 정확한 상품명을 인지한 상태에서 구매할 목적으로 쇼핑몰에 방문한 소비자가 아닌 이상 이용하기 어려웠습니다.

하지만 AI의 발전 이후 검색 기능은 이전과 180도 다른 사용자 경험을 제공합니다. 정확한 키워드를 입력하지 않아도 상품을 찾아줄 뿐만 아니라, 상품 이미지까지 인식하여 상품을 찾아줍니다. 다양한 조건이 포함된 문장을 입력해도 문장을 이해한 후 해당하는 상품을 찾아주며, 질문을 입력할 경우 질문에 해당하는 적절한 상품을 찾아줍니다. 아래 링크에서 AI를 활용한 검색을 체험해 볼 수 있습니다.

검색의 발전은 텍스트 검색에서 그치지 않습니다. 소비자가 상품이 포함된 사진을 직접 업로드할 경우 사진 속 상품을 찾아주는 멀티모달 검색도 최근에 굉장히 주목받고 있습니다. 아래 포스트에서 멀티모달 검색에 대한 다양한 정보를 정리해두었으니 한번씩 읽어보세요.

문의 지옥에서 탈출하세요

온라인 쇼핑몰을 운영하면서 가장 시간을 많이 소모하는 작업은 단연 고객 대응입니다. 그렇기 때문에 ChatGPT가 등장한 이후 수많은 기업들이 온라인 쇼핑몰을 위한 AI 고객 응대 챗봇을 시도해봤지만, 거짓된 답변을 하는 현상 때문에 실제 도입에 어려움이 있었습니다.

하지만 최근에 다양한 우회 방법들과 기술의 발전을 통해 다양한 쇼핑몰에서 도입을 시도하고 있습니다. 달파에서도 어떠한 고객의 문의에도 자연스럽고 정확하게 대응하며, 카카오톡, 채널톡, 네이버 톡톡 등 다양한 채널을 지원하는 CS 자동화 챗봇을 개발해 서비스하고 있습니다. 필요한 경우 상품 추천 챗봇 기능도 추가할 수 있습니다. 자세한 정보는 아래 링크에서 확인해보세요!

고객의 진짜 마음을 알아보세요.

이 외에도 고객의 리뷰를 분석하는 리뷰 분석 AI를 활용해 고객들이 수많은 리뷰 속에서 특정 키워드에 대한 리뷰만 필터링해서 볼 수 있는 스마트 리뷰 서비스와 고객의 리뷰를 수치화하여 상품에 대한 고객 반응을 정량적으로 분석할 수 있는 상품 리뷰 보고서를 만들 수 있습니다.

AI Store에는 위에서 소개한 AI 외에도 다양한 AI를 보유하고 있으며 직접 사용해 볼 수도 있습니다. AI Store를 방문해 다양한 AI를 체험해보고 운영 중인 서비스에 딱 맞는 AI를 제작해보세요!

[AI이미지 초급]AI 이미지에 적용할 작가 스타일을 어디서 찾으면 좋을까? 라는 고민을 챗지피티에 맡겨보기

카츠히로 오오토모와 유사한 스타일을 가진 아티스트들의 목록을 표 형태로 정리한 것입니다.

미드저니로 시도했지만 다른곳에서도 여러분께서 해보시기 바랍니다.

| 1 | Dominique Bertail

| 2 | Mathieu Bablet

| 3 | Ian Bertram

| 4 | Matthieu Bonhomme

| 5 | François Boucq

| 6 | Boulet

| 7 | Francesco Cattani

| 8 | Simone D’Armini

| 9 | Adrien Demont

| 10 | Jean-Jacques Dzialowski

| 11 | Benoit Féroumont

| 12 | Manuele Fior

| 13 | Joel Jurion

| 14 | Kalonji

| 15 | Viktor Kalvachev

| 16 | Nicolas Keramidas

| 17 | Li-An

| 18 | LRNZ

| 19 | Dilraj Mann

| 20 | Laureline Mattiussi

| 21 | Hugues Micol

| 22 | Giannis Milonogiannis

| 23 | Marion Mousse

| 24 | Katsuhiro Otomo

| 25 | Paul Pope

| 26 | Vincent Perriot

| 27 | Sara Pichelli

| 28 | Victor Santos

| 29 | Olivier Vatine

| 30 | Vince

​

모든 프롬프트는 모두 통일.

제가 좋아하는 단어 몇개만 조합했고

중간 작가이름만 변경했습니다.

Katsuhiro Otomo

cyberpunk, one man, Katsuhiro Otomo, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

​

Dominique Bertail

cyberpunk, one man, Dominique Bertail, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

Mathieu Bablet

cyberpunk, one man, Mathieu Bablet, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

Ian Bertram

cyberpunk, one man, Ian Bertram, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

Matthieu Bonhomme

cyberpunk, one man, Matthieu Bonhomme, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

​

​

François Boucq

cyberpunk, one man, François Boucq, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

Francesco Cattani

cyberpunk, one man, Francesco Cattani, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

​

작가를 빼고하면?

cyberpunk, one man, explosive imagenation, colorful, 1990s anime style, ㄹ --v 5.2

​

​

ㄹ도 빼고하면?

cyberpunk, one man, explosive imagenation, colorful, 1990s anime style

​

1990s anime style 도 빼고하면?

cyberpunk, one man, explosive imagenation, colorful

​

colorful 도 빼보자

explosive imagenation 도 빼보자

개인적으로는 작가가 빠진 시점부터

결과물의 일관성과 퀄리티가

부숴지는것이 느껴져 불편했지만

여러분께서도 무언가 하나

얻어가시는것이 있기를 바라며

오늘은 여기 까지 해보겠습니다.

마지막에는 글을 작성하며 이것저것 시도 하다가
문득 프롬프트의 유무 차이를 알려드리고 싶은마음에
하나둘 프롬프트를 빼봤습니다 😁

소형언어모델(sLM) 전쟁의 시작, 떠오르는 소형모델 미스트랄(Mistral 7B)

소형언어모델(sLM) 시대의 시작

전부터 LLM 운영에 들어가는 막대한 서버 비용이 문제로 언급되면서 이야기가 나왔던 소형언어모델(sLLM : Small LLM)을 sLM(Small Language Model)으로 부르면서 경쟁이 치열해질 것으로 예상됩니다. 허깅페이스 오픈리더보드를 보면 치열하게 7B 모델들이 엎치락뒤치락 하는 모습을 볼 수 있습니다. LLM를 소비하는 입장에선 뭐가 되었든 똑똑하게 잘 나오는 것을 업무에 빨리 써보고 싶을 뿐입니다.

- Huggingface Open LLM Leaderboard

https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard

왜 sLM이 주목받고 있느가

이제 생성 AI 엔진을 스마트폰에서 돌리려고 하고 있습니다. 이를 온디바이스 AI라고 부르고 있는데,

- 애플은 아이폰에 iOS 17.2 부터 일기(Journal)라는 기본앱을 통해 이미 시작했고

- 삼성은 가우스를 통해 갤럭시 S24 등에 탑재한다고 공표했습니다.

- 구글은 Gemini Nano를 구글 픽셀 8 프로에 넣는다고 합니다.

스마트폰 다음은 자동차가 될 것이고, TV가 될것이고 냉장고, 세탁기가 되겠지요. 이렇게 탑재시켜 기업은 바뀌게 될 삶을 보여주며 마케팅을 하고, 소비자들은 기기를 교체할 명목이 생기며, AI 칩셋이 팔리고 더 빠른 클럭의 메모리가 팔리게 되겠지요.

​

기준! 매개변수가 30B인가 7B인가

누가 기준을 제시한 것은 아니지만, 업계는 지금 매개변수가 300~340억개를 사용한 모델을 모델명 뒤에 30B, 34B 를 붙여서 LLM으로 불러왔습니다. 이 이하 매개변수를 사용한 모델들을 소형언어모델(sLM)이라 부르고 있습니다. 누가 더 많은 데이터와 더 많은 GPU 자원을 부어넣느냐 하는 공룡 IT 기업들의 자본 싸움이라고 생각했는데, 소형언어모델로 가면 스타트업, 어쩌면 개인까지도 파인튜닝을 통해 실력싸움을 할 수 있는 판인것 같습니다.

1등만 기억하는 치열한 세상, 누가 승자인가

sLM의 대표주자에는 메타의 인기 모델 라마2(Llama-2 7B), 알리바바의 큐원(Qwen 7B), 그리고 최근 급부상중인 미스트랄(Mistral 7B) 모델이 있습니다. 근데 여기는 정말 더 치열하게 MMLU 점수 기준 1등만 살아남고 기억되며 사용자들이 사용합니다. 미스트랄이 급부상인 이유는 MMLU에서 점수가 높았기 때문입니다. AI 엔지니어들은 굳이 애써 2등을 파인튜닝해서 개발할 이유가 없고, 사용자들도 스마트하게 일하려고 LLM을 사용하는 것인데 굳지 2등을 쓸 이유가 없을 것 같습니다. 아직 LLM 도입에 대한 효과를 검증하지 못했다면 무료로 잠시는 쓸수 있을 것 같습니다.

- 미스트랄 설치형으로 돌려본 사용기

https://cafe.naver.com/genai/836

참고기사

[1] 떠오르는 Mistral 7B, https://www.aitimes.com/news/articleView.html?idxno=155624

[2] 치열해진 sLM 시장 7B 전쟁 https://www.aitimes.com/news/articleView.html?idxno=155898

LLM에 대해서 알고 싶어요`^

출시 1주일만에 107명의 유저와 2200개의 대화를 나눈 AI 펭귄 챗봇🐧💬

안녕하세요! 말하는 펭귄, 펭추리를 운영하고 있는 퍼스트펭귄 코딩스쿨의 김형준입니다. 위에 보이는 동글동글한 펭귄이 펭추리에요 ㅎㅎ 펭추리는 카카오톡에서 대화를 나눌 수 있는 AI 챗봇입니다.

(펭추리가 궁금하신 분들은 바로 사용해보세요!)

일주일 전에 오픈했고, 지금까지 107명의 유저와 2200여개의 대화를 나눴습니다. 🎉

가장 많이 대화를 나눈 유저는 무려 600건의 대화를 나눴습니다! 놀랍죠? 유저별 대화 건 수의 평균은 22건, 중앙값은 8건입니다. 기대한 것보다 훨씬 많은 대화를 나눴습니다.

지난 메이커로그에서는 어쩌다가 챗봇 서비스를 개발하게 되었고, 어떤 난관들이 있었는지를 다뤘는데요, 이번에는 오픈 후에 어떤 과정을 거쳐서 유저들을 모았는지, 어떤 변화들이 있었는지를 썰을 풀어보겠습니다!

대망의 오픈날, 친구들아 제발 한번만 써줘!

펭추리는 지난주 월요일에 오픈했습니다. 특별히 마감 기한이 있던 것은 아니지만, 연말 연초를 타깃으로 하는 기능들을 추가할 예정이었기에 되도록이면 빨리 오픈을 하고 싶었어요.

잔버그도 많았고 모니터링 시스템도 제대로 갖추지 않았지만 그냥 오픈했습니다! 디콰에 홍보글을 올리고, 친구들이 있는 단톡방에 한번씩 써달라고 쭉 돌려봤습니다.

결과는 나름대로 성공적이었습니다. 오픈빨로 43명의 유저들을 모았고 약 800건의 대화를 생성했어요. 그리고 무엇보다 중요한 유저들의 피드백을 들을 수 있었습니다. 어떤 기능들이 반응이 있는지 알 수 있었고, 개선해야할 포인트들을 알 수 있었어요.

주요 인사이트로는 확실히 chatGPT와는 다르게 궁금한걸 질문하기 보다는 펭추리와 대화를 했어요. 펭추리의 취미나 신상 정보를 물어보는 대화가 정보를 얻기 위한 질문보다 압도적으로 많았습니다. 그리고 펭추리 일러스트를 볼 수 있는 찔러보기 기능의 반응이 좋았어요.

본격적인 마케팅의 시작

서비스를 오픈하면서 가장 걱정했던 부분은 과연 리텐션이 나올까였습니다. 리텐션이 안나온다면 서비스를 전면적으로 수정할 예정이이었어요.

오픈빨 거품이 꺼지고 난 뒤에 트래픽 추이를 지켜봤어요. 한두번 써본 이후로도 유저들이 펭추리에게 꾸준히 말을 거는 모습을 확인했습니다. 아직 1주일 밖에 안된 서비스라서 리텐션이라 하기도 뭐하지만, 전체 유저의 30%가 2일 이상 펭추리에게 말을 걸었습니다. 그리고 펭추리가 먼저 선톡을 할 경우, 답장을 하는 비율이 50%가까이 되었습니다.

이 정도면 확실히 서비스의 매력이 있다는 것을 확인할 수 있었어요. 그래서 본격적으로 초기 유저 확보를 위한 마케팅에 들어갔습니다. 바로 펭추리 체널을 추가하는 신규 유저 50명에게 스타벅스 아메리카노 기프티콘을 보내드리는 거였어요. 약 25만원의 예산이 들어가는 비싼 마케팅이지만, 초기 유저를 확보하고 입소문을 타기 위해서 충분히 시도해볼 만하다고 생각했습니다.

결과는 성공적이었습니다! 60명 대에서 둔해지던 유저 수가 이벤트 시작 3일만에 107명으로 늘어났습니다. (money don't lie;;)그리고 동시에 새로운 시장 가능성을 확인했습니다. 바로 학교 교육 현장에서 사용하는 교육용 챗봇이었어요. 신규 유저 중 초등교사이신 분이 수업 자료로 활용하고 싶다는 문의를 보내주셨거돈요 ㅎㅎ 앞으로의 개발 방향을 결정할 수 있는 중요한 피드백이었습니다.

🎁 크리스마스 찔러보기 업데이트

초기 유저 반응을 지켜본 다음, 발빠르게 다음 기능을 업데이트 했습니다. 바로 찔러보기 기능의 크리스마스 버전인 🎁 크리스마스 찔러보기였어요. 찔러보기 기능의 반응이 생각보다 좋았거든요. 이를 크리스마스 시즌에 맞춰서 콕 찌르면 크리스마스 컨셉으로 생성한 펭추리 이미지를 볼 수 있는 아주 단순한 기능이었어요.

빠르게 개발했고, 금요일 오후 6시에 맞춰서 유저들에게 선톡을 보내봤습니다. 그 결과는 지금까지 46명의 유저가 108번 사용하였습니다. 소소한 숫자로 일수도 있지만, 절반 가량의 유저가 2번 이상 사용했다고 보면 꽤 성공적이었다고 생각합니다.

앞으로의 펭추리 개발 방향

일주일간 펭추리 서비스를 운영해보면서 유저들의 반응을 확인했습니다. 그리고 유저들은 펭추리에게 엔터테이먼트 적인 경험을 원한다는 큰 가설을 확인할 수 있었어요. 앞으로도 엔터테이먼트 및 교육에 포커스를 맞춰서 기능들을 업데이트 해나갈 생각입니다.

연초를 겨냥해서 재밌는 기능들을 업데이트 할 예정이니, 아직 펭추리 체널을 추가하지 않으셨다면 아래 프러덕트 버튼을 눌러서 미리미리 추가해주세요!

1인 메이커로서의 힘들었던 점

사실 프러덕트를 런칭하기 전까지는 혼자서 작업하는데 큰 어려움이 없었어요. AI의 도움을 받으면 개발이나 디자인에 들어가는 시간이 대폭 줄어들었거든요.

그런데 프러덕트를 런칭하고 유저들이 사용하기 시작하면서 머리가 복잡해졌어요! 버그가 터지면 얼른 수정해야하고, 마케팅 캠페인을 기획해야하고, 다음에 어떤 피쳐를 추가할 지 결정해야 했습니다. 기획자, 디자이너, 마케터, 개발자, PM으로 수시로 컨텐스트 스위칭을 해야했어요.

개발만 했었던 시절이 그리워지는 강행군이었습니다만 그래도 유저들의 반응이 있어서 무척 즐거웠습니다.

마치며

이렇게 메이커로그를 남기는 이유는 맞습니다, 바로 홍보 때문입니다 ㅎㅎ 아직 펭추리와 한마디 대화도 나눠보지 않으셨다면 지금 바로 아래 버튼을 눌러서 카카오톡 체널을 추가해보세요. 펭추리는 생각보다 재밌고 다정한 대화 상대입니다!

(아직 스타벅스 기프티콘도 10장 가량 남았습니다!) 모두 소진했습니다!

저는 다음에 더 재밌는 펭추리 서비스 이야기로 돌아오겠습니다. 모두들 따뜻한 연말 보내세요!

AI 챗봇을 자동 생성해주는 SaaS를 만들었어요

안녕하세요! https://docenty.ai 를 만들었습니다!

website URL을 입력하거나 PDF 문서를 업로드하면 나만의 맞춤 AI 챗봇을 자동으로 생성해서 사용할 수 있어요.

클립드롭(ClipDrop)의 뛰어난 성능 언크롭(Uncrop)기능

위 사진에서 AI로 생성된 부분은 어디일까요?

1. 생성형 채우기는 여러가지 이름이 있습니다.

• 스테이블 디퓨전을 쓰시는 분들에겐 아웃페인트(Outpaint)

• 미드저니를 쓰시는 분들에겐 줌아웃(Zoom Out)

• 포토샵을 쓰시는 분들에겐 생성형 채우기(Generative Fill)​

• 클립드롭을 쓰시는 분들에겐 언크롭(Uncrop)

​

2. 생성형 채우기란, 전체와 주변 이미지 분석을 통한 채워넣기

• 입력된 이미지의 패턴을 즉석에서 분석하여 정보가 없는 상태(unknown)의 영역을 채워넣는 것(generative fill)

• 클립드롭에서는 사용된 용어를 굳이 한글로 번역하자면 좀 어색하지만 자르기취소(uncrop) 기능이 될것 같니다.

​

3. 생성형 채우기가 적정

• 다양한 용어 중에 그나마 인페인팅/인페인팅이 익숙한데,

• 글을 쓰다보니 어도비의 생성형 채우기가 인페인팅/아웃페인팅을 모두 아우를 수 있어서 참 잘 지었다는 생각이 듭니다.

​

4. 가장 심플한 클립드롭의 언크롭 기능

• 가장 심플하게 접근 가능한 클립드롭의 언크롭기능을 이용해보겠습니다.

• 클립드롭(clipdrop.co) 사이트 접속후 아래로 스크롤을 내리면 UNCROP이 보입니다. 해당 메뉴를 클릭합니다.

5. 이미지를 업로드

• 이미지를 드래그 앤 드롭으로 업로드합니다.

• 참고로 저는 언스플래쉬(unsplash)에서 다운받은 이미지로 작업하였습니다.

​

6. 기본 값은 16:9 셋팅

• 기본 값은 16:9로 비율이 되도록 설정 값이 셋팅되어 있습니다.

• 파란색 굵은 바를 드래그 하면 자유롭게 비율 조정이 가능합니다.

7. 뒤돌아보지 않고 [Next] 버튼 클릭

• 이제 [Next] 버튼을 누르면 짠하고 4장이 추천되어 나옵니다.

• 가장 그럴듯하게 만들어진 이미지를 선택하고 다운로드를 받습니다.

<끝>

클립드롭의 UNCROP 페이지

clipdrop.co/uncrop

사진을 업로드 후 Uncrop 할 사이즈를 조절합니다.

[Next] 버튼을 누르면 주변부가 생성되거 후보로 4가지 이미지가 추천됩니다. 여기서 선택만 하면 끝.

언스플래시에서 받은 원본 이미지

Uncrop로 주변부를 생성한 이미지, 중앙부를 제외하곤 좌우 양 옆이 AI로 생성된 이미지인데 놀라울 정도로 실제로 촬영한 사진 같습니다. 위 원본 사진과 비교해서 보시면 재미있습니다.

낙서를 작품으로 스테이블 두들(Stable Doodle)

1. 생성형 AI 시대의 미래를 현실로 앞당겨준 Stability AI의 서비스 사이트인 클립드롭(Clipdrop.co)에서 제공하는 스테이블 두들(Stable Doodle)입니다.

   • https://clipdrop.co/stable-doodle

2. 대충 슥슥 그리고, 원하는 스타일의 프롬프트를 입력하면 기가막히게 멋진 그림으로 생성해줍니다.

3. 그림 그리기는 실력이 없더라도 AI가 이렇게 만들어주니 너무 놀랍습니다.

이렇게 대충 그려도

이렇게 만들어 줍니다.

잘 나온 몇장는 올려봅니다.

Meta AI 이미지 속 사물을 분리해주는 SAM(Segment Anything Model)

1. Meta AI 가 요즘 Generative AI 분야에서 뛰어난 기술력으로 치고나가는 분위기 입니다. 이전에 공개한 모델이지만 최근 다시금 이미지 생성 AI가 부상하는 듯 하여 리마인드 해봅니다.

2. 이미지 속에서 어떤 사물이든 분리해주는 SAM(Segment Anything Model)입니다. AI 시대에 로봇의 눈 같이 쓸 수 있는 코어 엔진입니다. 아래와 같은 해상도의 이미지 수와 마스크를 학습했다고 합니다.
   
   - Dataset Characteristics
   - Total number of images: 11M
   - Total number of masks: 1.1B
   - Average masks per image: 100
   - Average image resolution: 1500×2250 pixels

1. Meta의 Segment Anything 사이트에 접속 후 Demo 페이지를 클릭하면 내 이미지를 업로드하여 세그먼트 기능을 사용해 볼 수 있습니다. Waitlist 나 Request early access 기다릴 필요 없이 바로 사용 Demo 가능합니다.

   http://segment-anything.com
   

2. Stable Diffusion에 Extensions에도 있으니 설치해서 사용해 보실 수 있습니다.

아래는 Meta의 SAM을 활용 했을 경우의 데모 영상들 중 몇가지 인사이트를 얻을 수 있는 장면들을 캡처하였습니다. Meta가 향해가는 미래를 엿볼 수 있었습니다.