최근 생성형 인공지능(AI) 모델은 실제와 거의 구별하기 어려운 고품질 이미지를 대량으로 만들어내고 있습니다. 이러한 합성 이미지(synthetic images)는 방대한 학습 데이터가 필요한 AI 모델 개발에 큰 잠재력을 제공하지만, 기존에는 생성 모델 자체를 미세조정(fine-tuning)하거나 복잡한 프롬프트 엔지니어링(prompt engineering)을 통해 이미지를 개선해야 했습니다. 하지만 새로운 연구에서는 이미 생성된 이미지 풀(pool)에서 '정보 가치가 높은' 부분집합을 선별하는 것만으로도 AI 모델의 성능을 크게 향상시킬 수 있음을 보여주었습니다.
이 연구는 생성 모델이 각 클래스의 '정형적인(canonical) 모드'를 과도하게 생성하고, 클래스 내의 다양한 변형(intra-class variation)을 제대로 반영하지 못하는 구조적 편향(structural bias)이 있음을 지적합니다. 이를 해결하기 위해 '동질-이질 분할(Homogeneous-Heterogeneous Splitting, HO-HE Splitting)'이라는 새로운 접근 방식을 제안했습니다. 이 방법은 각 실제 클래스를 정형적인 '동질(Homogeneous, HO)' 부분집합과 비중복적인 '이질(Heterogeneous, HE)' 부분집합으로 나눈 다음, 합성 이미지를 '충실도-다양성(fidelity-diversity)' 기준으로 평가합니다. 이 기준은 의미론적 일치(semantic alignment)를 보상하면서 정형적인 중복성(canonical redundancy)에 불이익을 줍니다. 이 방법은 생성기(generator)에 독립적이며 재학습이 필요 없습니다.
여러 벤치마크 테스트에서 이 방법은 최첨단 데이터 선별 기준을 능가했으며, 최대 40% 적은 합성 샘플로도 실제 데이터와 동등한 성능을 달성했습니다. 이는 분류(classification) 및 분할(segmentation) 작업 모두에서 강력한 성능 향상을 보였습니다. 이 연구 결과는 더 나은 생성 모델을 개발하는 것과 별개로, 이미 생성된 합성 데이터의 유용성을 보완적으로 개선할 수 있는 중요한 메커니즘을 제시합니다. 즉, 생성된 데이터의 양적 증가뿐만 아니라 질적 선별을 통해 AI 학습의 효율성과 성능을 극대화할 수 있는 새로운 가능성을 열어준 것입니다.