feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

10_Wiki/Topics/AI_and_ML/이미지 생성 최적화 (Image Generation Optimization).md

@@ -1,9 +1,26 @@
+---
+id: wiki-2026-0508-이미지-생성-최적화-image-generation-opti
+title: 이미지 생성 최적화 (Image Generation Optimization)
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: []
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
+tags: [uncategorized]
+raw_sources: []
+last_reinforced: 2026-05-08
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
+---
+
 # [[이미지 생성 최적화 (Image Generation Optimization)|이미지 생성 최적화 (Image Generation Optimization)]]
 
-## 📌 Brief Summary
+## 📌 한 줄 통찰 (The Karpathy Summary)
 이미지 생성 최적화란 초기 프롬프트를 바탕으로 생성된 결과물을 분석하고, 반복적인 수정과 매개변수 조절을 통해 사용자가 의도한 최상의 이미지를 도출하는 과정입니다 [1-3]. 이를 위해 네거티브 프롬프트를 활용하여 불필요한 요소를 제거하거나 가중치를 조절해 특정 요소의 강조도를 변경합니다 [4, 5]. 또한 각 AI 모델(Midjourney, DALL-E 3, Stable Diffusion)의 특성과 문법에 맞춘 튜닝과 인페인팅 같은 사후 편집 기법을 적용하여 시각적 품질과 일관성을 극대화합니다 [6-8].
 
-## 📖 Core Content
+## 📖 구조화된 지식 (Synthesized Content)
 *   **반복적 정교화 (Iterative Refinement):**
     완벽한 프롬프트를 한 번에 작성하기보다는, 단순한 주제와 구도로 시작하여 첫 결과물을 평가한 뒤 점진적으로 수정하는 반복적 접근이 필수적입니다 [1, 2, 9]. 베이스 이미지를 생성한 후, 조명, 스타일, 구도 등 구체적인 세부 사항을 추가하거나 수정하면서 모델과의 협업 과정을 거쳐 결과물을 정교화합니다 [3, 10].
 *   **네거티브 프롬프트 (Negative Prompt)의 전략적 활용:**
@@ -15,10 +32,41 @@
 *   **사후 편집 및 이미지 확장:**
     프롬프트 수정만으로 해결하기 힘든 부분은 인페인팅(Inpainting, Midjourney의 Vary Region)을 통해 특정 영역만을 다시 생성해 수정할 수 있습니다 [7, 10, 26, 27]. 아웃페인팅(Outpainting)이나 줌 아웃(Zoom Out) 기능을 활용하면 캔버스를 확장하여 구도의 답답함을 해소하고 캔버스 밖의 배경을 자연스럽게 묘사해 낼 수 있습니다 [7, 10, 27].
 
-## 🔗 Knowledge Connections
+## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)|프롬프트 엔지니어링 (Prompt Engineering)]], [[네거티브 프롬프트 (Negative Prompts)|네거티브 프롬프트 (Negative Prompts)]], [[파라미터 튜닝 (Parameter Tuning)|파라미터 튜닝 (Parameter Tuning)]], [[반복적 정교화 (Iterative Refinement)|반복적 정교화 (Iterative Refinement)]]
 - **Projects/Contexts:** [[Midjourney V7의 Draft Mode 워크플로우|Midjourney V7의 Draft Mode 워크플로우]], [[Stable Diffusion의 가중치 제어 문법|Stable Diffusion의 가중치 제어 문법]], [[DALL-E 3의 자연어 기반 최적화|DALL-E 3의 자연어 기반 최적화]]
 - **Contradictions/Notes:** Stable Diffusion 모델은 전용 네거티브 프롬프트 필드나 가중치 조절을 통해 원치 않는 요소를 훌륭하게 배제할 수 있는 반면 [5, 28], DALL-E 3 모델은 "not", "without", "no"와 같은 부정어 처리에 취약하여 해당 요소를 오히려 이미지에 포함시킬 수 있습니다. 따라서 DALL-E 3 최적화를 위해서는 원치 않는 것을 적기보다 원하는 특성을 긍정어로 명확히 묘사하는 방식이 권장됩니다 [29-31].
 
 ---
-*Last updated: 2026-04-30*
+*Last updated: 2026-04-30*
+
+## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
+
+**언제 이 지식을 쓰는가:**
+- *(TODO)*
+
+**언제 쓰면 안 되는가:**
+- *(TODO)*
+
+## 🧪 검증 상태 (Validation)
+
+- **정보 상태:** needs_review
+- **출처 신뢰도:** A
+- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
+
+## 🧬 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
+
+## 🕓 변경 이력 (Changelog)
+
+| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
+|------|-----------|-----------|--------|
+| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |