피파 한 줄 정리: 모델은 ‘사과 3개’를 세지 않고 그 caption이 붙은 이미지의 통계 패턴을 재현해. 1~2개는 안정적이고 3~5개는 위험하며 6개부터는 대체로 ‘많음’이 돼.
친구에게 생각할 틈 없이 “전깃줄 위 새 다섯 마리”를 그리게 하면 네 마리나 여섯 마리, 또는 흐릿한 무리가 나올 수 있어. 사람은 다섯을 알아도 빠르게 정확한 공간 배치로 옮기기 어렵지. 이미지 모델에는 애초에 세는 절차가 없어.
숫자가 흐릿해지는 이유
“나무 탁자 위 붉은 사과 세 개”의 ‘세 개’는 작은 무리와 연결된 벡터가 돼. 정확히 3을 계산하지 않고 학습 자료에서 그 말과 자주 함께 있던 배치를 완성해.
- 1~2: “고양이 한 마리”, “악수하는 두 사람”은 비교적 안정적이야.
- 3~5: 맞을 수도 있지만 ±1이 생기기 쉬워.
- 6 이상: 대략 ‘많음’이 되어 촛불 일곱 개가 다섯이나 아홉이 될 수 있어.
기대: 🍎 🍎 🍎 실제 가능: 🍎 🍎
🍎 🍎
‘세 개’와 짝지어진 stock photo에도 하나가 가려진 두 개, 잘린 하나가 있는 네 개가 섞였을 수 있어. 그래서 모델의 3은 정수가 아니라 확률 구름이야.
도움 되는 전략
- “컵 다섯 개”보다 “왼쪽에서 오른쪽으로 한 줄에 놓인 컵 다섯 개”처럼 공간 구조를 줘.
- 정확한 개수가 중요하면 1~3에 머물러.
- 여러 결과를 만든 뒤 맞는 것을 골라.
- 사과 하나를 잘 만든 뒤 편집기에서 복제해 합성해.
- “붉은 balloon, 파란 balloon, 노란 balloon”처럼 각각 이름 붙이면 숫자만 쓸 때보다 나을 수 있어.
핵심 정리
- 모델은 세지 않고 숫자 말과 통계적으로 연결된 배치를 예측한다.
- 1~2개는 안정적, 3~5개는 위험, 6개 이상은 사실상 ‘많음’이다.
- 숫자만 쓰기보다 공간 배치를 설명해.
- 정확한 수량은 후반 합성으로 보장해.