포토룸 PRX 모델의 데이터 학습 전략과 효율화 방안

주장포토룸은 PRX 모델의 사전 학습 단계에서 데이터의 다양성과 범위를 확보하는 작업을 최우선 과제로 설정했습니다. 미적인 완벽함보다 시각적 개념과 구성을 폭넓게 학습시키는 방식이 모델의 기초 체력을 기르는 데 효과적이라고 판단했습니다.

주장모델의 세밀한 표현력은 사전 학습이 아닌 파인튜닝 단계에서 결정됩니다. 사전 학습은 데이터의 양적 팽창에 집중하고, 파인튜닝은 정제된 데이터를 통해 모델의 취향과 품질을 다듬는 방식으로 역할을 분리했습니다.

팩트포토룸은 학습 데이터의 캡션 길이를 늘리는 작업이 모델의 샘플 품질을 향상시킨다는 사실을 확인했습니다. 이미지 내의 로고나 텍스트까지 상세히 묘사하여 모델이 이를 제어 가능한 속성으로 학습하도록 유도했습니다.

팩트데이터 파이프라인 구축을 위해 모자이크 스트리밍 및 MDS 포맷을 사용하여 분산 학습을 수행했습니다. 데이터의 수정과 탐색이 필요한 경우에는 랜스 포맷을 병행 사용하여 데이터 엔지니어링의 유연성을 확보했습니다.

교차검증MDS 포맷은 분산 학습에는 효율적이지만 데이터 구조 변경 시 전체를 다시 작성해야 하는 경직성이 존재합니다. 이를 보완하기 위해 컬럼형 데이터 포맷인 랜스를 도입하여 수십억 개의 행을 효율적으로 처리했습니다.

팩트텍스트 인코더로 큐웬3-브이엘을 채택하면서 텍스트 잠재 변수를 미리 계산하지 않고 학습 루프 내에서 실시간으로 계산했습니다. 이로 인해 처리량은 약 3~4% 감소했으나 저장 공간 절약과 인코더 교체의 자유도를 확보했습니다.

팩트이미지 저장 포맷으로 피엔지 대신 제이펙 품질 92를 선택하여 효율성을 높였습니다. 10회 이상의 반복적인 인코딩 테스트 결과 시각적 품질 저하가 거의 없으며 피엔지 대비 저장 효율이 월등함을 확인했습니다.

교차검증제이펙 압축이 모델 생성물에 미치는 영향을 검증하기 위해 피엔지와 제이펙으로 각각 동일한 모델을 학습시켰습니다. 두 모델의 생성 결과물은 육안으로 구분하기 어려울 정도로 차이가 없었으며 정량적 지표에서도 유사한 성능을 보였습니다.

팩트포토룸은 2026년 7월 6일 공식 블로그를 통해 PRX 모델의 데이터 전략을 공개했습니다. 이번 발표는 모델 아키텍처, 학습 설계, 속도 최적화에 이은 PRX 시리즈의 네 번째 보고서입니다.

주장데이터 전략의 핵심은 학습 효율과 모델 성능 사이의 균형을 맞추는 것입니다. 포토룸은 이번 전략을 통해 대규모 데이터셋을 체계적으로 관리하고 모델의 확장성을 높였습니다.

주장이번 데이터 전략은 향후 고도화된 생성형 인공지능 모델 개발의 표준을 제시합니다. 포토룸은 데이터 엔지니어링의 유연성을 확보함으로써 기술 경쟁력을 강화했습니다.

출처허깅페이스 블로그 및 포토룸 공식 기술 블로그를 교차 검증했습니다.