Mr. Flow 공개: 재학습 없이 이미지 생성 속도 최대 21배 단축

Flux나 대형 이미지 생성 모델을 자주 사용하는 이용자라면 매번 몇 초씩 걸리는 대기 시간에 익숙할 것입니다. 장당 10초 안팎이라 해도 수십 번의 수정을 거치다 보면 작업 흐름이 끊기기 쉽습니다.

이러한 병목을 해소하기 위해 7월 2일, 모델 재학습 없이도 이미지 생성을 비약적으로 가속하는 'Mr. Flow'의 코드와 사용 가이드, 그리고 전용 ComfyUI 플러그인이 공개됐습니다.

별도의 모델 파라미터 학습 없이도 주류 이미지 생성 모델의 속도를 9배에서 최대 21배까지 끌어올려, 기존에 10초가량 걸리던 작업을 약 1초 수준으로 단축합니다.

작은 캔버스에서 스케치하고 마지막에 정밀 보정

Mr. Flow의 작동 원리는 직관적입니다. 저해상도 이미지를 생성할 때 연산량이 훨씬 적다는 단순한 사실을 영리하게 활용했습니다.

트랜스포머 기반의 최신 플로우 매칭 모델은 토큰 수가 늘어날수록 계산 비용이 기하급수적으로 증가합니다. 20B 규모의 Qwen-Image만 해도 Nvidia A100에서 1024 해상도 이미지를 만들려면 확산 샘플링에만 47초가 소요됩니다.

기존의 다중 해상도 생성 기법들은 잠재 공간(Latent Space)에서 이미지를 억지로 확대하는 방식을 써서 번짐이나 왜곡이 자주 발생했습니다.

Mr. Flow는 역할을 단계별로 나눴습니다. 먼저 저해상도에서 전체적인 구도와 뼈대를 빠르게 생성한 뒤, 픽셀 공간으로 전환해 가벼운 사전학습 GAN 모델로 해상도를 높입니다. 이후 미세한 노이즈를 주입하고, 원래의 고해상도 모델로 마지막 디테일만 가볍게 정돈하는 과정을 거칩니다.

화질 저하 없이 최대 21배 빨라진 속도

실측 성능 역시 인상적입니다. Z-Image Turbo 환경에서는 최대 21배 빨라졌고, Flux Kontext에서는 약 9배, Qwen Image에서는 10배 이상의 가속을 기록했습니다.

논문에 따르면 FLUX.1-dev와 Qwen-Image 테스트에서 화질 측정 지표인 OneIG의 차이가 원본 대비 1% 이내에 머물러 육안으로 식별하기 어려울 만큼 화질을 보존했습니다.

기존 타임스텝 증류 기법과 함께 적용할 경우 최대 25배에 달하는 극적인 속도 향상도 가능합니다.

무엇보다 재학습이 필요 없고 전용 커스텀 GPU 커널이나 특수 하드웨어를 요구하지 않아 일반적인 환경에서도 바로 적용할 수 있습니다.

왜 중요한가

로컬 환경에서 이미지를 생성하는 아티스트나 1인 개발자에게 이번 ComfyUI 플러그인 출시는 즉각적인 작업 환경 개선으로 이어집니다. 고가의 그래픽카드를 증설하지 않고도 1초대에 가까운 실시간 이미지 생성을 경험할 수 있기 때문입니다.

지금까지 생성 속도를 줄이려면 많은 비용을 들여 모델을 증류 학습하거나 복잡한 시스템 레벨 튜닝에 의존해야 했습니다. Mr. Flow는 뼈대 생성과 세부 질감 표현을 영리하게 분리해, 순수 추론 파이프라인의 개선만으로 거대한 연산 낭비를 걷어냈습니다.

이러한 비학습 기반 가속 기법은 향후 오픈소스 미디어 생성 진영의 표준 기능으로 자리 잡을 가능성이 높습니다. 대형 모델의 접근 문턱을 크게 낮추는 동시에 차세대 확산 모델 설계에도 큰 영향을 미칠 것으로 보입니다.

다만 세부 묘사를 초해상화 이후의 극소수 스텝에 의존하는 구조인 만큼, 복잡한 텍스트 렌더링이나 매우 미세한 인물 묘사 등 정밀도가 중요한 상용 작업물에서는 품질 왜곡 여부를 사전에 꼼꼼히 점검해 볼 필요가 있습니다.