추천POCKET-Image: 온디바이스 한글 렌더링 해결

기존 디퓨전 모델은 한글의 복잡한 자모 조합 규칙을 학습하지 못해 텍스트 렌더링에 어려움을 겪습니다. POCKET-Image는 이를 '생성'이 아닌 **'보존'**의 문제로 재정의하여 해결했습니다.

핵심 기술 및 특징:

• 글리프 충실도 보장: 모델이 글자를 직접 발명하게 두지 않고, 정확한 글자형을 참조하도록 하는 파이프라인을 구축하여 한국어, 중국어, 일본어 등 다국어 텍스트 정확도를 극대화했습니다.
• 온디바이스 최적화: Z-Image(6B DiT)를 베이스로 하며, **4-bit 양자화(NF4, quanto)**를 적용해 VRAM 사용량을 획기적으로 줄였습니다.
• VRAM 효율성: 원본(23.3GB) 대비 NF4 양자화 시 8.6GB, CPU 오프로드 활용 시 4.5GB 수준으로 구동 가능하여 일반 소비자용 GPU 및 Mac 환경에서도 실행 가능합니다.
• 양자화의 이점: 텍스트는 파이프라인 차원에서 보존되므로, 모델을 양자화하더라도 글자 정확도에는 영향을 주지 않고 배경 품질에만 미세한 영향을 미칩니다.