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

10_Wiki/Topics/AI_and_ML/인공지능 시각 언어 생성 (AI Visual Language Generation).md

@@ -1,6 +1,23 @@
+---
+id: wiki-2026-0508-인공지능-시각-언어-생성-ai-visual-language
+title: 인공지능 시각 언어 생성 (AI Visual Language Generation)
+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)
+---
+
 # [[인공지능 시각 언어 생성 (AI Visual Language Generation)|인공지능 시각 언어 생성 (AI Visual Language Generation)]]
 
-## 📌 Brief Summary
+## 📌 한 줄 통찰 (The Karpathy Summary)
 인공지능 시각 언어 생성은 인간의 추상적인 언어적 의도를 픽셀 단위의 구체적인 시각적 기호로 번역하는 과정이다 [1]. 이를 효과적으로 구현하기 위해서는 인공지능 신경망 구조에 부합하는 정교한 프롬프트 엔지니어링이 필수적이다 [1]. 성공적인 시각 언어 생성은 주체, 매체, 환경, 조명, 기술 매개변수 등 프롬프트의 층위를 구체적으로 명시하여 모델이 학습한 데이터의 고밀도 영역을 정확히 자극할 때 달성된다 [1, 2]. 최근의 이미지 생성 기술은 단순한 알고리즘을 넘어, 사용자의 의도와 미학을 정밀하게 통제하며 AI와 협업하는 '에이전틱 크리에이티브(Agentic Creative)' 시대로 진화하고 있다 [3].
 
 ## 📖 Core 소스
@@ -23,10 +40,49 @@
 *   이미지의 특정 부분에 결함이 있거나 수정을 원할 때는 미드저니의 인페인팅 기능인 'Vary Region'을 사용하여 나머지 배경을 보존한 채 원하는 영역만 다시 생성할 수 있다 [18-20]. 
 *   출력된 이미지에서 반복적으로 시각적 결함(기형적인 손, 렌더링 오류, 워터마크 등)이 발생할 경우, 결함을 정확히 진단한 뒤 부정 지시어로 번역하여 모델의 생성을 차단하는 접근법이 필요하다 [21-23]. 
 
-## 🔗 Knowledge Connections
+## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)|프롬프트 엔지니어링 (Prompt Engineering)]], [[부정 프롬프트 (Negative Prompt)|부정 프롬프트 (Negative Prompt)]], [[매개변수 (Parameters)|매개변수 (Parameters)]], [[인페인팅 (Inpainting-Vary Region)|인페인팅 (Inpainting/Vary Region)]]
 - **Projects/Contexts:** [[미드저니 V7 및 드래프트 모드 워크플로우|미드저니 V7 및 드래프트 모드 워크플로우]], [[DALL-E 3와 GPT-4의 상호작용적 생성|DALL-E 3와 GPT-4의 상호작용적 생성]], [[스테이블 디퓨전의 가중치 및 제어 시스템|스테이블 디퓨전의 가중치 및 제어 시스템]]
 - **Contradictions/Notes:** DALL-E 3는 "없는", "아닌"과 같은 부정 지시어(Negation)를 잘 이해하지 못하고 오히려 해당 요소를 생성해버리는 경향이 있어 반드시 긍정형 문장으로 프롬프트를 구성해야 하는 반면 [14, 15, 24], 스테이블 디퓨전은 원치 않는 요소(예: 뒤틀린 손, 텍스트 등)를 배제하고 고품질 결과를 얻기 위해 별도의 '부정 프롬프트(Negative Prompt)' 기능을 핵심적으로 사용해야 한다는 뚜렷한 방법론적 차이가 존재한다 [17, 25, 26].
 
 ---
-*Last updated: 2026-04-30*
+*Last updated: 2026-04-30*
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+**추출된 패턴:**
+> *(TODO)*
+
+**세부 내용:**
+- *(TODO)*
+
+## 🤖 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 |