Vivago AI, HiDream-O1 Image 오픈소스 공개: VAE 없이 2K 텍스트 포스터 완벽 구현

HiDream-O1 Image는 Vivago AI가 공개한 오픈소스 엔드투엔드 이미지 생성 모델로, 정확한 텍스트 렌더링과 복잡한 인포그래픽, 2K 포스터 제작에 특화되어 있다.

기존 오픈소스 모델의 고질적 문제였던 글자 깨짐과 복잡한 레이아웃 붕괴를 해결한 것이 가장 큰 특징이다. 최대 2048×2048 해상도를 지원하며, 텍스트가 빽빽하게 들어간 광고 포스터나 라이브 커머스 배경, 멀티 패널 레이아웃에서도 글자와 제품 형태를 무너뜨리지 않고 안정적으로 그려낸다.

참조 이미지를 활용한 시맨틱 편집 능력도 갖췄다. 인물 사진 한 장과 여러 소품 이미지를 프롬프트에 함께 넣어 하나의 자연스러운 장면으로 결합하거나, 서로 다른 얼굴 네 개를 입력해 프레임 내 지정된 위치에 각각 배치할 수 있다. 다만 복잡한 구도에서 인물 얼굴이 다소 플라스틱 질감처럼 표현되는 현상은 아직 남아 있다.

작동 방식과 필요 사양

기존 이미지 확산 모델은 별도의 텍스트 인코더로 문장을 해석하고, VAE를 통해 픽셀과 잠재 공간 사이를 변환하는 분절된 구조에 의존해 왔다. HiDream-O1 Image는 VAE와 외부 텍스트 인코더를 모두 걷어냈다. 픽셀과 텍스트를 동일한 단일 토큰 공간에 직접 매핑하는 통합 트랜스포머(UiT) 구조를 도입해 엔드투엔드 추론을 진행한다.

이러한 구조적 혁신 덕분에 텍스트와 레이아웃 제어력이 크게 향상됐다. 논문에 따르면 8B 파라미터 크기인 HiDream-O1 Image는 27B 규모의 Qwen-Image는 물론 Zimage Turbo의 성능을 넘어서며, 일부 상용 폐쇄형 모델보다도 뛰어난 벤치마크 결과를 기록했다. Artificial Analysis 리더보드에서 8위를 차지해 화제가 됐던 정체불명의 모델 'Peanut' 역시 이 모델로 추정된다.

모델은 품질에 집중해 50스텝 추론을 거치는 기본 버전과, 28스텝으로 단축해 속도를 끌어올린 dev 버전 두 가지로 제공된다.

로컬 구동 장벽은 상당히 높다. 모델 가중치 크기가 32GB에 달해 방대한 VRAM을 갖춘 최고급 엔터프라이즈 GPU가 필요하다. 일반 개발자나 사용자가 개인 장비에서 원활하게 구동하려면 향후 오픈소스 커뮤니티가 내놓을 GGUF나 양자화 버전을 기다려야 한다.

왜 중요한가

이커머스 배너, 홍보 포스터, 정보성 인포그래픽을 대량으로 제작해야 하는 디자이너와 마케터라면 눈여겨볼 만하다. 오픈소스 모델만으로 실무에 투입 가능한 수준의 2K 텍스트 배치가 가능해져 수작업 보정 비용을 크게 줄일 수 있다.

기술적으로는 VAE를 완전히 배제하고 픽셀 공간에서 텍스트와 이미지를 일원화한 접근법이 주목할 만하다. 복잡한 파이프라인을 기워 붙이지 않고도 8B 체급에서 대형 모델을 앞서는 효율을 낼 수 있음을 입증해, 차세대 오픈소스 멀티모달 모델의 경량화 및 구조 단순화에 중요한 방향성을 제시했다.