Larryvrh가 GPT Image 2 모델의 아티팩트 제거를 위해 0.48M 파라미터의 소형 잔차 네트워크를 개발했어요. 이 네트워크는 FLUX.2 VAE를 활용해 이미지의 텍스처 통계를 분리하고, 아티팩트를 제거하여 시각적 노이즈를 줄여요.
아티팩트 제거 과정은 이미지 인코딩, 잔차 예측, 디코딩으로 구성되며, α 값 조절을 통해 제거 강도를 조절할 수 있어요. 이 과정은 1.5MP 이미지당 약 0.7초, 3GB VRAM을 사용해요.
이 방법은 이미지 품질을 향상시키기보다는 시각적 노이즈를 줄여 사용자가 이미지를 더 편하게 볼 수 있도록 돕는 역할을 하며, 이미지의 거시 구조는 그대로 유지돼요. 사용자는 GitHub 저장소나 Hugging Face Space에서 코드를 직접 사용해 볼 수 있어요.