과거 입력·선택 기록 바탕으로 사용자 선호 이미지 생성인하대학교(총장 조명우) 연구팀이 생성형 AI가 사용자의 과거 입력·선택 기록을 바탕으로 취향에 맞는 이미지를 만들도록 하는 개인화 기술을 개발했다. 별도의 추가 학습이나 개인화 전용 모델을 붙이지 않아도 기존 인공지능 모델 안에서 사용자 선호를 반영할 수 있도록 한 것이 핵심이다.

인하대는 서영덕 전기컴퓨터공학과 교수 연구팀이 사용자 선호 기반 생성 기술 'FAN(Foundation Encoders Are All You Need)'을 개발했다고 17일 밝혔다. 연구에는 김형진·안석호 박사과정 학생이 참여했다.

생성형 AI에서 개인화는 사용자가 원하는 스타일이나 주제, 분위기를 결과물에 반영하는 기술이다.

기존 개인화 이미지 생성 기술은 사용자의 취향을 따로 추정하거나 모델을 다시 학습시키는 방식이 많았다. 이 경우 사용자 취향을 정확히 반영하기 어렵고, 연산 비용이 커지며, 특정 모델에 맞춘 설계가 필요해 다른 생성형 AI 모델로 확장하기 어렵다는 한계가 있었다.

연구팀이 제안한 FAN은 이미 학습된 파운데이션 인코더를 활용한다. 사용자가 과거에 입력한 프롬프트, 선택 기록, 평점 등을 분석해 현재 입력한 질문과 관련 있는 선호 정보를 찾고, 이를 이미지 생성 과정에 반영하는 방식이다.

예를 들어 같은 문장을 입력하더라도 사용자가 과거에 선호한 이미지의 색감, 분위기, 관심 주제 등이 결과물에 반영될 수 있다. 연구팀은 이 과정에서 입력 질문의 의미는 유지하면서 개인 취향을 더하는 데 초점을 맞췄다.

연구팀은 FAN을 여러 텍스트·이미지 확산 모델에 적용해 개인화 이미지 생성이 가능하다는 점을 확인했다. 이 기술은 사용자가 선호할 만한 이미지를 찾는 검색, 특정 이미지를 조건으로 한 이미지 생성, 이미지와 텍스트를 함께 이해하는 비전-언어 모델 등에 적용될 수 있다

이번 연구 논문 '선호 인식 개인화를 위한 파운데이션 인코더의 활용(Foundation Encoders Are All You Need for Preference-Aware Personalization)'은 컴퓨터 비전 분야 국제 학술대회인 CVPR 2026에 채택돼 발표됐다.

서영덕 교수는 "생성형 AI가 널리 쓰일수록 사용자마다 다른 취향과 맥락을 반영하는 기술이 중요해지고 있다"며 "추가 학습 없이 개인 선호를 반영할 수 있는 생성형 AI 기술을 계속 연구하겠다"고 말했다.