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

10_Wiki/Topics/AI_and_ML/CFG_Scale.md

@@ -1,13 +1,23 @@
 ---
-category: Unified
+id: wiki-2026-0508-cfg-scale
+title: CFG Scale
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: []
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
 tags: [auto-consolidated, technical-documentation]
-title: [[CFG Scale|CFG Scale]]
-last_updated: 2026-05-02
+raw_sources: []
+last_reinforced: 2026-05-08
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
 ---
 
 # [[CFG Scale|CFG Scale]]
 
-## 📌 Brief Summary
+## 📌 한 줄 통찰 (The Karpathy Summary)
 CFG Scale(Classifier-Free Guidance Scale)은 Stable Diffusion과 같은 AI 이미지 생성 모델에서 결과물이 사용자의 텍스트 프롬프트를 얼마나 강하게 따를지를 제어하는 매개변수이다 [1, 2]. CFG Scale 값을 조절함으로써 이미지의 가변성(variability)을 부여하거나 사실성을 미세 조정할 수 있다 [2, 3]. 이 수치가 높아지면 모델이 프롬프트를 더 엄격하게 준수하지만, 동시에 부정 프롬프트(Negative prompt)의 영향력도 함께 커지게 된다 [1, 4].
 
 ---
@@ -18,7 +28,7 @@ CFG 스케일(Classifier-Free Guidance Scale)은 Stable Diffusion과 같은 AI
 
 스테이블 디퓨전에서 CFG Scale(Classifier-Free Guidance Scale)은 인공지능 모델이 긍정 및 부정 프롬프트의 지시를 얼마나 강력하게 따를지 결정하는 안내의 강도(Intensity of guidance)를 의미합니다 [1, 2]. 가중치(Weight) 제어는 프롬프트 내 특정 단어나 구문의 중요도를 숫자로 지정하여 모델의 주의를 끌거나 축소하는 세밀한 시각적 통제 기법입니다 [3, 4]. 이 두 가지 요소를 최적의 수치로 조절하면 의도한 구도를 정확히 구현하면서도 이미지 아티팩트나 품질 저하를 방지할 수 있습니다 [5, 6].
 
-## 📖 Core Content
+## 📖 구조화된 지식 (Synthesized Content)
 * **프롬프트 지시의 강도 조절**: CFG Scale은 긍정 프롬프트(목표)와 부정 프롬프트(회피 맵)의 조건화를 모델이 얼마나 적극적으로 따를지(intensity of guidance)를 결정하는 역할을 한다 [4]. 일반적으로 7에서 15 사이의 수치가 사용되며, 이 값이 높을수록 생성된 이미지가 사용자의 프롬프트 지시를 더 엄격하게 따른다 [1].
 * **결과물의 다양성 및 사실성 제어**: 사용자는 샘플링 단계(sampling steps)와 함께 CFG Scale을 조절하여 AI 생성 결과물에 다양성(variability)을 도입할 수 있다 [2]. 또한, 이 매개변수를 적절히 미세 조정(fine-tuning)하는 것은 AI 생성 예술의 사실성을 향상시키는 필수적인 과정 중 하나이다 [3].
 * **부정 프롬프트(Negative Prompt)와의 상호작용**: CFG Scale은 부정 프롬프트가 이미지에 미치는 중요도를 변화시킨다 [4]. 이미지 생성 과정 중 샘플러(sampler)가 긍정 조건과 부정 조건을 균형 있게 맞추게 되는데, CFG Scale이 높아지면 이 두 조건 모두에 대한 준수 성향이 강해진다 [4]. 따라서 용어 선택이 부적절한 약한 부정 프롬프트를 사용한 상태에서 단순히 CFG Scale 수치만 높인다고 결과가 똑똑해지는 것은 아니며, 오히려 모델이 잘못된 지시를 더 강한 확신을 가지고 따르게 만들 수 있다 [4].
@@ -59,10 +69,10 @@ CFG 스케일(Classifier-Free Guidance Scale)은 Stable Diffusion과 같은 AI
   * 여러 개의 시각적 개념(예: 두 가지 이상의 LoRA)이 강하게 충돌할 경우 파란색 아티팩트(Blue artifacts)가 발생하거나 노이즈가 생길 수 있습니다 [5, 13]. 
   * 문제를 예방하기 위해서는 가중치를 0.5에서 0.7 사이의 적당한 수준(Modest weights)으로 조심스럽게 사용하는 것이 안전하며, 점진적으로 수치를 조정하는 것이 권장됩니다 [7, 11, 13].
 
-## ⚖️ Trade-offs & Caveats
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
 No trade-offs available.
 
-## 🔗 Knowledge Connections
+## 🔗 지식 연결 (Graph)
 - **Related Topics:** [[Stable Diffusion|Stable Diffusion]], [[Negative Prompt|Negative Prompt]], [[샘플링 스텝 (Sampling Steps)|Sampling Steps]], [[Parameter|Parameter]]
 - **Projects/Contexts:** 스테이블 디퓨전(Stable Diffusion) 기반의 이미지 다양성 및 사실성 제어 워크플로우
 - **Contradictions/Notes:** CFG Scale 수치를 높이는 것이 무조건적인 이미지 품질 향상을 보장하지 않는다. 부정 프롬프트가 부실하게 작성된 경우, CFG Scale을 높이면 오히려 잘못된 지시사항을 모델이 더 강하게 확신하고 따르게 되어 결과물이 훼손될 수 있다 [4].
@@ -87,3 +97,29 @@ No trade-offs available.
 
 ---
 *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.
+
+## 🕓 변경 이력 (Changelog)
+
+| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
+|------|-----------|-----------|--------|
+| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |