[G1-Sync] Manual knowledge update

2026-05-10 22:08:15 +09:00
parent 21ac3ed255
commit 504fd5fb42
3011 changed files with 380280 additions and 206977 deletions
@@ -1,72 +1,472 @@
 ---
 id: wiki-2026-0508-ai-모델-사후-편집-도구-post-editing-tool
-title: AI 모델 사후 편집 도구 (Post editing Tools)
+title: AI Post-editing Tools (사후 편집)
 category: 10_Wiki/Topics
-status: needs_review
+status: verified
 canonical_id: self
-aliases: []
+aliases: [AI 모델 사후 편집, post-editing, inpainting, outpainting, vary region, upscale, remix]
 duplicate_of: none
-source_trust_level: A
-confidence_score: 0.92
-tags: [uncategorized]
+source_trust_level: B
+confidence_score: 0.85
+verification_status: conceptual
+tags: [image-generation, post-editing, inpainting, outpainting, upscale, midjourney, stable-diffusion, comfyui]
 raw_sources: []
-last_reinforced: 2026-05-08
+last_reinforced: 2026-05-09
 github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+inferred_by: Claude Opus 4.7 (manual cleanup 2026-05-09)
+tech_stack:
+  language: Python / API
+  framework: Diffusers / ComfyUI / Automatic1111 / Photoshop AI
 ---

-# [[AI 모델 사후 편집 도구 (Post-editing Tools)|AI 모델 사후 편집 도구 (Post-editing Tools)]]
+# AI Post-editing Tools (사후 편집)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
-AI 모델 사후 편집 도구는 인공지능을 통해 처음 생성된 이미지의 전체적인 맥락과 화풍을 유지하면서 특정 영역을 수정, 정교화 또는 확장할 수 있게 해주는 기능들입니다 [1, 2]. 대표적으로 인페인팅(Vary Region), 아웃페인팅(Zoom Out, Pan), 리믹스(Remix), 업스케일링(Upscale) 등이 포함됩니다 [3-5]. 이러한 도구들은 단발성 프롬프트 입력의 한계를 극복하고, 첫 결과물을 베이스 이미지로 삼아 점진적으로 창작자의 시각적 의도에 맞게 다듬어가는 프롬프트 엔지니어링의 핵심 과정으로 활용됩니다 [2, 5].
+> **매 첫 generation 의 limit → iterative refinement**. **Inpainting (specific region), Outpainting (extend canvas), Remix (variation), Upscale (resolution + detail)**. 매 image 의 raw → polished. 매 base + post-editing > single perfect prompt.

 ## 📖 구조화된 지식 (Synthesized Content)
-* **인페인팅 및 영역별 변주 (Inpainting / Vary Region)**
-  생성된 이미지의 특정 부분을 선택하여 해당 영역만 새로운 텍스트 프롬프트를 적용해 재생성하는 기능입니다 [1, 6, 7]. 미드저니(Midjourney)의 'Vary (Region)' 기능이나 스테이블 디퓨전(Stable Diffusion), DALL-E의 인페인팅 기능이 이에 해당합니다 [1, 5, 8]. 기존 이미지의 나머지 부분은 손상시키지 않고 작은 오류를 수정하거나 새로운 요소(예: 모자를 왕관으로 변경, 새를 추가 등)를 합성할 때 매우 유용합니다 [1, 2, 9].
-* **아웃페인팅 및 시야 확장 (Outpainting / Zoom Out & Pan)**
-  초기 이미지가 너무 근접하게 촬영되었거나 구도 확장이 필요할 때 캔버스 밖의 영역을 논리적으로 생성해 내는 도구입니다 [2, 10, 11]. 'Zoom Out(줌 아웃)'은 원본 이미지의 네 면 밖으로 문맥과 요소를 추가하여 시야를 넓히며, 'Pan(팬)'은 특정 방향으로 캔버스를 확장합니다 [4, 9]. 이 과정에서 AI는 기존 화풍과 조명을 유지하면서 새로운 서사적 요소나 배경을 자연스럽게 배치합니다 [2, 9].
-* **리믹스 모드 (Remix Mode)**
-  이미지의 변형(Variation)을 만들 때 기존 프롬프트 텍스트나 매개변수(Parameter)를 수정할 수 있게 해주는 강력한 기능입니다 [4, 12]. 특히 'Vary Region' 기능과 결합하면 선택된 영역을 어떻게 재생성할지 새로운 프롬프트로 정밀하게 지시할 수 있어 부분 편집의 통제력을 극대화합니다 [2, 13].
-* **업스케일링 (Upscaling)**
-  초기 생성된 이미지의 해상도 치수를 확대하는 기능입니다 [5, 14]. 모델에 따라 단순히 크기만 키우는 것(Subtle Upscale)뿐만 아니라, 미세한 디테일과 질감을 추가하여 최종 결과물을 전문가 수준으로 다듬는 'Creative Upscale'과 같은 세부 조정 기능을 제공합니다 [9, 14].
-* **기술적 노하우 및 반복적 정교화 전략 (Iterative Refinement)**
-  프롬프트 작성은 한 번에 끝나는 것이 아니라 AI와의 반복적인 협업 과정입니다 [2, 15, 16]. 첫 이미지를 베이스로 삼고 사후 편집 도구들을 활용해 점진적으로 수정해 나가는 것이 중요합니다 [2, 5]. 영역을 선택해 편집할 때는 수정하려는 대상뿐만 아니라 주변의 여백을 충분히 포함하여 선택해야 AI가 주변과의 연결성 및 맥락을 파악하여 자연스러운 합성을 수행할 수 있습니다 [2, 17].
+
+### 매 5 core tool
+
+#### 1. Inpainting (Vary Region)
+- 매 specific region 의 mask + new prompt → regenerate.
+- 매 surrounding 의 preserve.
+- 매 small fix (extra finger, watermark, background change).
+
+**매 platform**:
+- **Midjourney**: Vary (Region).
+- **Stable Diffusion**: native inpainting model.
+- **DALL-E**: native edit.
+- **Photoshop Generative Fill** (Adobe Firefly).
+
+#### 2. Outpainting (Zoom Out / Pan)
+- 매 canvas 의 extend.
+- 매 surrounding 의 generate.
+- 매 logical scene continuation.
+
+**매 mode**:
+- **Zoom Out**: 매 4 side 의 expand (1.5x, 2x).
+- **Pan**: 매 specific direction.
+- **Custom**: arbitrary aspect ratio.
+
+#### 3. Remix Mode
+- 매 image 의 variation.
+- 매 prompt / parameter 의 modify.
+- 매 region selection 와 combine.
+
+#### 4. Upscale
+- 매 resolution ↑ (e.g. 1024 → 4096).
+- **Subtle Upscale**: simple resize (less detail).
+- **Creative Upscale**: AI 의 매 detail / texture 추가.
+- **ESRGAN / Real-ESRGAN**: open-source.
+
+#### 5. Img2Img (Image-to-Image)
+- 매 input image 의 prompt 에 영향.
+- **Strength**: 0 (keep) - 1 (total change).
+- 매 style transfer.
+
+### Iterative refinement workflow
+
+#### Stage 1: Generate base
+- 매 prompt 의 initial generation.
+- 매 batch (4-8 variant).
+- 매 select best.
+
+#### Stage 2: Identify defect
+- 매 specific issue: extra finger, weird face, blur, ...
+- 매 priority.
+
+#### Stage 3: Inpaint each
+- 매 mask + targeted prompt.
+- 매 incremental fix.
+
+#### Stage 4: Outpaint if needed
+- 매 composition 의 extend.
+- 매 narrative element 추가.
+
+#### Stage 5: Upscale
+- 매 final resolution.
+- 매 detail enhancement.
+
+→ 매 round 의 quality ↑.
+
+### 매 platform 의 specific
+
+#### Midjourney V7
+- Vary (Region): mask + new prompt.
+- Vary (Strong / Subtle): variation.
+- Zoom Out (1.5x, 2x, custom).
+- Pan (4 direction).
+- Upscale (Subtle / Creative).
+- Remix mode (Settings).
+
+#### Stable Diffusion (ComfyUI / A1111)
+- Inpainting (dedicated model: SD 1.5 inpaint, SDXL inpaint, Flux Fill).
+- Outpainting (custom).
+- Img2img (built-in).
+- Upscale: Real-ESRGAN, 4x-UltraSharp, Latent.
+- ControlNet (precise control).
+
+#### DALL-E 3
+- Edit (mask-based).
+- Native chat-based UI.
+- Limited compared to SD / Midjourney.
+
+#### Adobe Firefly / Photoshop
+- Generative Fill (inpainting).
+- Generative Expand (outpainting).
+- 매 layer-based workflow.
+- 매 commercial license-safe.
+
+#### Flux (modern)
+- Flux.1 Fill (inpaint / outpaint dedicated).
+- 매 SDXL 보다 좋은 quality.
+
+### 매 technical detail
+
+#### Mask quality
+- 매 selection 의 surrounding context 도 include.
+- 매 too tight = unnatural seam.
+- 매 feathering (blur edge) = smoother blend.
+
+#### Prompt for masked region
+- 매 region 의 own prompt.
+- 매 surrounding context 의 implicit (model 이 see).
+- 매 style / lighting 의 match.
+
+#### Strength / denoising
+- Lower = preserve more.
+- Higher = more freedom.
+- Inpaint: 0.7-0.9 (strong change).
+- Img2img: 0.3-0.6 (subtle).
+
+#### CFG (guidance scale)
+- 매 prompt adherence.
+- 매 inpaint 의 7-12 typical.
+
+### Common defect 의 specific fix
+
+| Defect | Inpaint approach |
+|---|---|
+| Extra fingers | Mask hand + "perfect five-finger hand" |
+| Asymmetric eyes | Mask both eyes + "symmetric eyes" |
+| Watermark | Mask + "clean background" |
+| Wrong color object | Mask + "red shirt" (specific color) |
+| Background distraction | Mask background + "soft blur, depth of field" |
+| Too dark / light | Mask + "balanced lighting" |
+| Missing object | Mask area + "add cat sitting" |
+| Style mismatch | Mask region + "oil painting style" |
+
+### 매 advanced technique
+
+#### Iterative inpaint chain
+1. 매 inpaint round.
+2. 매 next defect.
+3. 매 다음 round.
+
+→ 매 round 의 small change.
+
+#### Multi-region edit
+- 매 multiple mask 의 sequential.
+- 매 prompt 의 region-specific.
+
+#### Pose / composition fix
+- ControlNet OpenPose 의 reference.
+- 매 inpaint 의 pose-guided.
+
+#### Style transfer (img2img)
+- 매 photo → painting.
+- 매 style 의 reference image (IP-Adapter).
+
+#### Face restoration
+- GFPGAN, CodeFormer.
+- 매 face-specific model.
+
+#### Detail upscale (Tile / Refine)
+- 매 image 의 tile.
+- 매 tile 의 separate enhance.
+- 매 stitch.
+
+→ 4K / 8K 의 quality ↑.
+
+## 💻 코드 패턴 (Code Patterns)
+
+### Inpainting (Diffusers SDXL)
+```python
+from diffusers import StableDiffusionXLInpaintPipeline
+import torch
+from PIL import Image
+
+pipe = StableDiffusionXLInpaintPipeline.from_pretrained(
+    "diffusers/stable-diffusion-xl-1.0-inpainting-0.1",
+    torch_dtype=torch.float16,
+).to("cuda")
+
+original = Image.open("photo.png")
+mask = Image.open("mask.png")  # white = redo, black = keep
+
+result = pipe(
+    prompt="clean wooden table, professional product shot",
+    image=original,
+    mask_image=mask,
+    num_inference_steps=30,
+    guidance_scale=7.5,
+    strength=0.85,
+).images[0]
+
+result.save("inpainted.png")
+```
+
+### Mask generation (programmatic)
+```python
+from PIL import Image, ImageDraw
+
+def create_mask(image_size: tuple, region: tuple) -> Image.Image:
+    """region = (x1, y1, x2, y2)"""
+    mask = Image.new('RGB', image_size, 'black')
+    draw = ImageDraw.Draw(mask)
+    draw.rectangle(region, fill='white')
+    return mask
+
+# Usage
+original_size = original.size
+mask = create_mask(original_size, region=(100, 200, 400, 500))
+```
+
+### Mask with blur (smooth blend)
+```python
+from PIL import ImageFilter
+
+mask = create_mask(image_size, region)
+mask_blurred = mask.filter(ImageFilter.GaussianBlur(radius=10))
+# 매 mask 의 edge 의 soft.
+```
+
+### Outpainting (Diffusers)
+```python
+from diffusers import StableDiffusionXLInpaintPipeline
+import numpy as np
+
+original = Image.open("photo.png")
+W, H = original.size
+
+# Create extended canvas (zoom out)
+extended_size = (int(W * 1.5), int(H * 1.5))
+extended = Image.new('RGB', extended_size, (128, 128, 128))
+offset = ((extended_size[0] - W) // 2, (extended_size[1] - H) // 2)
+extended.paste(original, offset)
+
+# Mask: white = generate, black = keep
+mask = Image.new('RGB', extended_size, 'white')
+inner_mask = Image.new('RGB', (W, H), 'black')
+mask.paste(inner_mask, offset)
+
+result = pipe(
+    prompt="natural scene continuation, mountain landscape, cinematic",
+    image=extended,
+    mask_image=mask,
+    num_inference_steps=40,
+    guidance_scale=8,
+).images[0]
+```
+
+### Upscale (Real-ESRGAN)
+```python
+from realesrgan import RealESRGANer
+from basicsr.archs.rrdbnet_arch import RRDBNet
+import torch
+
+# 4x upscale
+model = RRDBNet(num_in_ch=3, num_out_ch=3, num_feat=64, num_block=23, num_grow_ch=32, scale=4)
+upscaler = RealESRGANer(
+    scale=4,
+    model_path='RealESRGAN_x4plus.pth',
+    model=model,
+    tile=400,   # tile-based for big image
+    half=True,
+)
+
+import cv2
+img = cv2.imread('output.png', cv2.IMREAD_UNCHANGED)
+upscaled, _ = upscaler.enhance(img, outscale=4)
+cv2.imwrite('upscaled.png', upscaled)
+```
+
+### ComfyUI workflow (visual node)
+```
+[LoadImage] → [VAEEncode] → [InpaintModel] → [KSampler] → [VAEDecode] → [SaveImage]
+                                ↓
+                            [LoadMask]
+                                ↓
+                         [PromptText (region)]
+```
+
+### Img2img (style transfer)
+```python
+from diffusers import StableDiffusionXLImg2ImgPipeline
+
+pipe = StableDiffusionXLImg2ImgPipeline.from_pretrained("model")
+
+result = pipe(
+    prompt="oil painting style, Renaissance, masterpiece",
+    image=original,
+    strength=0.6,   # 매 less change
+    guidance_scale=7.5,
+).images[0]
+```
+
+### Multi-stage workflow (orchestration)
+```python
+def refine_image(prompt: str) -> Image.Image:
+    # Stage 1: Generate
+    base = generate(prompt)
+    
+    # Stage 2: Detect defects
+    issues = detect_issues(base)
+    # e.g., {'face': (200, 300, 400, 500), 'hand': (100, 100, 200, 200)}
+    
+    # Stage 3: Inpaint each
+    current = base
+    for issue_type, region in issues.items():
+        mask = create_mask(current.size, region)
+        current = inpaint(current, mask, prompt=f"perfect {issue_type}")
+    
+    # Stage 4: Upscale
+    final = upscale(current, scale=2)
+    
+    return final
+```
+
+### Face restoration (GFPGAN)
+```python
+from gfpgan import GFPGANer
+
+restorer = GFPGANer(
+    model_path='GFPGANv1.4.pth',
+    upscale=2,
+    arch='clean',
+    channel_multiplier=2,
+    bg_upsampler=upscaler,
+)
+
+cropped, restored, output = restorer.enhance(
+    img, has_aligned=False, only_center_face=False,
+)
+```
+
+### IP-Adapter (style reference)
+```python
+from diffusers import StableDiffusionXLPipeline
+from diffusers.utils import load_image
+
+pipe = StableDiffusionXLPipeline.from_pretrained("model")
+pipe.load_ip_adapter("h94/IP-Adapter", subfolder="sdxl_models", weight_name="ip-adapter-plus_sdxl_vit-h.safetensors")
+pipe.set_ip_adapter_scale(0.6)
+
+style_image = load_image("style_reference.jpg")
+result = pipe(
+    prompt="portrait of a woman",
+    ip_adapter_image=style_image,
+    num_inference_steps=30,
+).images[0]
+```
+
+→ 매 style of reference, 매 subject 의 your prompt.
+
+### Photoshop Generative Fill (Adobe API)
+```javascript
+// Adobe Firefly Services API
+const response = await fetch('https://firefly-api.adobe.io/v3/images/generative-fill', {
+  method: 'POST',
+  headers: { 'Authorization': `Bearer ${token}`, 'Content-Type': 'application/json' },
+  body: JSON.stringify({
+    image: { source: { url: 'https://...' } },
+    mask: { source: { url: 'https://...' } },
+    prompt: 'mountain landscape',
+    seeds: [1, 2, 3],
+  }),
+});
+```
+
+### Batch refinement
+```python
+from concurrent.futures import ThreadPoolExecutor
+
+def refine_one(image_url: str, defects: list[dict]) -> str:
+    image = download(image_url)
+    for d in defects:
+        image = inpaint(image, mask=d['mask'], prompt=d['prompt'])
+    return save(image)
+
+with ThreadPoolExecutor(max_workers=4) as executor:
+    results = list(executor.map(lambda x: refine_one(x[0], x[1]), tasks))
+```
+
+## 🤔 의사결정 기준 (Decision Criteria)
+
+| 작업 | 추천 도구 |
+|---|---|
+| Quick fix small region | Midjourney Vary (Region) |
+| Photo retouching | Photoshop Generative Fill |
+| Open / programmatic | Stable Diffusion + Diffusers |
+| Style transfer | Img2img + IP-Adapter |
+| Face restoration | GFPGAN / CodeFormer |
+| Resolution ↑ | Real-ESRGAN / Creative Upscale |
+| Composition extend | Outpainting (Pan / Zoom) |
+| Multi-region | ComfyUI batch |
+
+**기본값**: Generate base + iterate inpaint per defect + upscale final.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
+- **Mask quality 의 sensitivity**: 매 too tight = seam. 매 too loose = unrelated change.
+- **Strength 의 trade-off**: 매 high = creative + match break. 매 low = preserve + change 부족.
+- **Outpaint 의 logical continuation**: 매 model 의 surrounding scene understand 의 limit.
+- **Upscale 의 hallucination**: 매 detail 의 add 가 not original.
+- **Inpaint dedicated model vs general**: 매 dedicated 의 better.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** [[반복적 정교화 (Iterative Refinement)|반복적 정교화 (Iterative Refinement)]], [[인페인팅 및 아웃페인팅 (Inpainting and Outpainting)|인페인팅 및 아웃페인팅 (Inpainting and Outpainting)]], [[프롬프트 파라미터 제어 (Prompt Parameter Control)|프롬프트 파라미터 제어 (Prompt Parameter Control)]]
- **Projects/Contexts:** [[생성적 AI 이미징의 반복적 작업 프로세스 (Iterative Workflow of Generative AI Imaging)|생성적 AI 이미징의 반복적 작업 프로세스 (Iterative Workflow of Generative AI Imaging)]], [[미드저니 및 스테이블 디퓨전의 부분 편집 기법|미드저니 및 스테이블 디퓨전의 부분 편집 기법]]
- **Contradictions/Notes:** 편집하고자 하는 영역을 선택할 때, 선택 영역이 너무 작을 경우 AI가 주변 맥락을 파악하기 어려워 결과물이 부자연스러울 수 있으므로 충분한 맥락(Context)을 제공할 수 있을 만큼의 크기로 영역을 지정해야 한다는 실무적인 주의사항이 존재합니다 [2, 17].
-
---
-*Last updated: 2026-04-30*
+- 부모: [[AI-Image-Generation]] · [[Image-Editing]] · [[Diffusion-Models]]
+- 변형: [[Inpainting]] · [[Outpainting]] · [[Img2Img]] · [[Upscale]] · [[ControlNet]]
+- 응용: [[Photoshop-Generative-Fill]] · [[Midjourney-Vary-Region]] · [[ComfyUI-Workflow]]
+- Tool: [[Diffusers-Library]] · [[Real-ESRGAN]] · [[GFPGAN]] · [[CodeFormer]] · [[IP-Adapter]] · [[Flux-Fill]]
+- Adjacent: [[Image-Quality-Optimization-Debugging]] · [[Iterative-Refinement]] · [[Prompt-Engineering]]

 ## 🤖 LLM 활용 힌트 (How to Use This Knowledge)

 **언제 이 지식을 쓰는가:**
- *(TODO)*
+- 매 commercial image 의 fix.
+- 매 product photo 의 background remove.
+- 매 portrait 의 face / hand fix.
+- 매 marketing material 의 multi-resolution.
+- 매 art project 의 iterative refine.

 **언제 쓰면 안 되는가:**
- *(TODO)*
+- 매 from-scratch creation (use generation, not editing).
+- Specific artist 의 unique style emulation (legal / ethical).
+- Deepfake / impersonation (illegal).
+- Print-quality (specialized print workflow).
+
+## ❌ 안티패턴 (Anti-Patterns)
+- **Mask 의 too tight**: seam.
+- **모든 defect 의 single inpaint**: quality mix.
+- **Img2img strength = 0.95**: 매 original 의 lose.
+- **Upscale 의 too aggressive**: hallucinated detail.
+- **No iterative review**: 매 1 pass + accept.
+- **Outpaint 의 narrative break**: scene continuity.
+- **Specific tool lock-in**: 매 limit 의 ignore.

 ## 🧪 검증 상태 (Validation)
-
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
+- **정보 상태:** verified (concept-level).
+- **출처 신뢰도:** B (Stability AI / Diffusers / Adobe Firefly / Midjourney documentation).
+- **검토 이유:** Manual cleanup. 매 platform 의 evolution.

 ## 🧬 중복 검사 (Duplicate Check)
-
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-
- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음
+- **기존 유사 문서:** [[AI-Image-Generation]] (parent), [[AI 이미지 생성 및 편집 워크플로우]] (related), [[AI 이미지 품질 최적화]] (related).
+- **처리 방식:** KEEP (focused on post-editing tools).
+- **처리 이유:** Specific to refinement workflow.

 ## 🕓 변경 이력 (Changelog)
-
 | 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
 |------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
+| 2026-05-08 | P-Reinforce Phase 1 정규화 | UPDATE | A |
+| 2026-05-09 | Manual cleanup — 5 tool family + Diffusers code + multi-stage workflow + 안티패턴 추가 | UPDATE | B |