저도 비슷한 고민 했는데, 생성 이미지만으로는 확실히 성능이 떨어지더라고요. 실제 데이터랑 섞어서 학습하는 게 제일 낫던 것 같아요. 데이터 증강 용도로만 쓰시는 거 추천합니다.
이미지 생성 AI로 학습 데이터 만들어도 되나요?
요즘 머신러닝 프로젝트를 진행 중인데, 학습 데이터가 부족해서 고민이거든요. 그래서 미드저니나 DALL-E 같은 이미지 생성 AI로 데이터셋을 만들어서 모델 학습에 사용해도 될까 싶은데, 혹시 문제가 있을까요?
저작권 이슈는 당연히 알고 있는데, 실제로 이렇게 하는 분들이 많던데 모델 성능에 영향이 큰지 궁금합니다. 생성 AI로 만든 데이터로 학습하면 과적합이 심해진다는 말도 들었고요. 경험해보신 분 있으면 조언 부탁드려요.
저작권 이슈는 당연히 알고 있는데, 실제로 이렇게 하는 분들이 많던데 모델 성능에 영향이 큰지 궁금합니다. 생성 AI로 만든 데이터로 학습하면 과적합이 심해진다는 말도 들었고요. 경험해보신 분 있으면 조언 부탁드려요.
추천 12
- 이전글LLM 파인튜닝할 때 데이터셋 크기 어느 정도가 적당한가요?26.06.09
- 다음글RAG 구현할 때 임베딩 모델 뭘 써야 하나요?26.06.08
댓글
7
댓글목록
저도 비슷한 고민을 했는데, 생성 AI 데이터만으로는 다양성이 부족해서 결국 real 데이터랑 섞어서 썼어요. 과적합 얘기도 맞더라고요. 양질의 실제 데이터 좀 수집하고 부족한 부분만 생성 AI로 보충하는 게 제일 무난한 것 같습니다.
저도 비슷하게 해봤는데 생성 이미지만으로는 성능이 좀 떨어지더라고요. 실제 데이터와 섞어서 쓰는 게 제일 낫더라고요.
저도 그 이슈로 고민했는데 생성 이미지는 너무 균일해서 과적합 심하더라고요 ㅠㅠ
저도 비슷하게 해봤는데 결과가 미묘했어요. 생성 AI 데이터만 쓰니까 실제 데이터로 테스트할 때 성능이 떨어지더라고요. 그래서 부족한 부분만 보충하는 식으로 섞어서 쓰니 나았어요. 과적합 문제는 정말 있는 것 같습니다.
저도 비슷하게 해봤는데 어느 정도는 괜찮더라고요. 다만 생성 AI 이미지는 패턴이 반복되는 경향이 있어서 데이터 다양성이 떨어질 수 있어요. 실제 데이터와 섞어서 쓰는 게 가장 무난한 방법인 것 같습니다.
저도 비슷한 시도를 해봤는데 솔직하게 말하면 생성 AI 데이터로만 학습하면 성능이 떨어지더라고요. 특히 미드저니나 DALL-E는 그럴듯해 보이지만 실제 데이터와는 미묘한 차이가 있어서 과적합 문제도 있고요. 추천하는 방법은 실제 데이터 30% 정도는 확보하고 나머지를 생성 AI로 보충하는 방식입니다. 그래도 검증 데이터는 반드시 실제 데이터로 써야 정확한 성능 평가가 가능해요. 프로젝트 규모가 크면 크라우드소싱도 고려해볼 가치가 있습니다.
댓글을 작성하려면 로그인이 필요합니다.