docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,208 @@
|
||||
---
|
||||
id: wiki-2026-0508-소셜-미디어-그래픽-및-마케팅-캠페인-제작
|
||||
title: 소셜 미디어 그래픽 및 마케팅 캠페인 제작
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Social Media Graphic, Marketing Campaign Creation, AI Marketing Asset Pipeline]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [ai-image-generation, marketing, social-media, brand-identity, workflow, batch-pipeline]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: comfyui-and-flux
|
||||
---
|
||||
|
||||
# 소셜 미디어 그래픽 및 마케팅 캠페인 제작
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 brand-locked aesthetic + multi-aspect-ratio + 매 hundreds of variants in hours"**. 매 2026 의 marketing team 의 매 standard pipeline: FLUX 1.2 + brand LoRA + automated aspect ratio generation + Recraft text rendering — 매 manual designer 작업 의 80% 자동화, 매 final taste judgment 만 human.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 Campaign asset 의 종류
|
||||
- **Hero image** (1:1, 16:9, 9:16): Instagram, Facebook, Story/Reel.
|
||||
- **Thumbnail variants**: A/B test 용 다양한 angle/composition.
|
||||
- **Banner ad** (Google Display, Meta): typography-heavy.
|
||||
- **Carousel** (Instagram, LinkedIn): 매 narrative sequence.
|
||||
- **Animated**: Reel, TikTok — Sora 2 / Runway Gen-4.
|
||||
|
||||
### 매 Brand consistency 의 lever
|
||||
- **Brand LoRA**: 매 logo, color palette, mascot 의 LoRA 학습 (50-200 images).
|
||||
- **Style reference (--sref / IP-Adapter)**: 매 fixed aesthetic vector.
|
||||
- **Color palette enforcement**: post-processing color quantization.
|
||||
- **Typography**: Recraft v4 / Imagen 4 의 native text rendering, 매 final composite 은 Figma/After Effects.
|
||||
|
||||
### 매 응용
|
||||
1. **Campaign brief → 100 variants in 2 hours** (concept exploration).
|
||||
2. **Personalization at scale** — segment 별 visual variant.
|
||||
3. **Localization** — 매 region 별 typography + cultural cue swap.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Campaign generator pipeline
|
||||
```python
|
||||
from dataclasses import dataclass
|
||||
from pathlib import Path
|
||||
|
||||
@dataclass
|
||||
class CampaignBrief:
|
||||
product: str
|
||||
audience: str
|
||||
mood: list[str]
|
||||
aspect_ratios: list[str]
|
||||
variants_per_ratio: int
|
||||
brand_lora: str
|
||||
style_ref: str | None
|
||||
|
||||
def generate_campaign(brief: CampaignBrief, out: Path):
|
||||
pipe = load_flux_with_lora(brief.brand_lora)
|
||||
if brief.style_ref:
|
||||
pipe = attach_ip_adapter(pipe, brief.style_ref)
|
||||
for ar in brief.aspect_ratios:
|
||||
w, h = aspect_to_dims(ar)
|
||||
for i in range(brief.variants_per_ratio):
|
||||
prompt = build_prompt(brief, variant_seed=i)
|
||||
img = pipe(prompt, width=w, height=h,
|
||||
generator=torch.Generator("cuda").manual_seed(1000 + i)).images[0]
|
||||
img.save(out / f"{ar}/{i:03d}.png")
|
||||
```
|
||||
|
||||
### Aspect ratio dispatch
|
||||
```python
|
||||
ASPECTS = {
|
||||
"1:1": (1024, 1024), # IG feed
|
||||
"4:5": (1024, 1280), # IG portrait
|
||||
"9:16": (768, 1344), # Story / Reel
|
||||
"16:9": (1344, 768), # YT thumb / banner
|
||||
"21:9": (1536, 640), # LinkedIn banner
|
||||
}
|
||||
```
|
||||
|
||||
### Brand LoRA training (kohya-ss / sd-scripts)
|
||||
```bash
|
||||
accelerate launch flux_train_network.py \
|
||||
--pretrained_model_name_or_path=black-forest-labs/FLUX.1.2-dev \
|
||||
--train_data_dir=./brand-imgs \
|
||||
--output_dir=./loras/brand-v1 \
|
||||
--network_module=networks.lora_flux \
|
||||
--network_dim=32 \
|
||||
--learning_rate=1e-4 \
|
||||
--max_train_steps=2000 \
|
||||
--resolution=1024 \
|
||||
--train_batch_size=1
|
||||
```
|
||||
|
||||
### Prompt template + variant seed
|
||||
```python
|
||||
def build_prompt(b: CampaignBrief, variant_seed: int) -> str:
|
||||
angles = ["overhead flat lay", "three-quarter hero", "macro close-up"]
|
||||
moods = b.mood
|
||||
angle = angles[variant_seed % len(angles)]
|
||||
mood = moods[variant_seed % len(moods)]
|
||||
return (
|
||||
f"{b.product}, {angle}, {mood}, "
|
||||
f"clean studio lighting, brand_v1 aesthetic, "
|
||||
f"target audience: {b.audience}, professional commercial photography"
|
||||
)
|
||||
```
|
||||
|
||||
### Post-process — palette enforcement
|
||||
```python
|
||||
from PIL import Image
|
||||
import numpy as np
|
||||
from sklearn.cluster import KMeans
|
||||
|
||||
BRAND_PALETTE = np.array([[27, 38, 59], [65, 90, 119], [224, 225, 221], [119, 141, 169]])
|
||||
|
||||
def snap_to_palette(img: Image.Image, palette=BRAND_PALETTE) -> Image.Image:
|
||||
arr = np.array(img).reshape(-1, 3)
|
||||
dists = np.linalg.norm(arr[:, None] - palette[None], axis=2)
|
||||
snapped = palette[dists.argmin(axis=1)]
|
||||
return Image.fromarray(snapped.reshape(img.size[1], img.size[0], 3).astype(np.uint8))
|
||||
```
|
||||
|
||||
### Text overlay (Pillow → Figma export)
|
||||
```python
|
||||
from PIL import ImageDraw, ImageFont
|
||||
|
||||
def add_headline(img: Image.Image, text: str, font_path: str) -> Image.Image:
|
||||
draw = ImageDraw.Draw(img)
|
||||
font = ImageFont.truetype(font_path, size=72)
|
||||
box = draw.textbbox((0, 0), text, font=font)
|
||||
x = (img.width - (box[2] - box[0])) // 2
|
||||
y = img.height - (box[3] - box[1]) - 80
|
||||
draw.rectangle([x - 20, y - 20, x + box[2] + 20, y + box[3] + 20], fill=(0, 0, 0, 180))
|
||||
draw.text((x, y), text, font=font, fill="white")
|
||||
return img
|
||||
```
|
||||
|
||||
### A/B variant export with metadata
|
||||
```python
|
||||
import json
|
||||
def export_variant(img, variant_id, brief, out):
|
||||
img.save(out / f"{variant_id}.png")
|
||||
with open(out / f"{variant_id}.json", "w") as f:
|
||||
json.dump({
|
||||
"id": variant_id,
|
||||
"model": "flux-1.2-dev",
|
||||
"lora": brief.brand_lora,
|
||||
"prompt": ...,
|
||||
"seed": ...,
|
||||
"created": datetime.utcnow().isoformat(),
|
||||
}, f, indent=2)
|
||||
```
|
||||
|
||||
### Animated extension (Sora 2 / Kling)
|
||||
```python
|
||||
# image-to-video
|
||||
video = sora_client.create_video(
|
||||
image=hero_image_url,
|
||||
prompt="subtle camera push-in, gentle product rotation",
|
||||
duration=4,
|
||||
resolution="1080p",
|
||||
)
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 자산 종류 | 권장 도구 (2026) |
|
||||
|---|---|
|
||||
| Hero photoreal | FLUX 1.2 + brand LoRA |
|
||||
| Typography-heavy banner | Imagen 4 / Recraft v4 |
|
||||
| Vector / icon | Recraft v4 |
|
||||
| Animated reel | Sora 2 / Kling 2 / Runway Gen-4 |
|
||||
| Localization variants | LLM prompt translate + Imagen 4 (text) |
|
||||
| Final composite | Figma / Photoshop generative fill |
|
||||
|
||||
**기본값**: FLUX 1.2 + brand LoRA + IP-Adapter style ref + Pillow text overlay (or Figma final composite). 매 batch 100+ 변형 의 cost ~$5-20.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[AI 이미지 생성 및 편집 워크플로우 (AI Image Generation & Editing Workflow)]]
|
||||
- 변형: [[Style_Reference_(--sref)]]
|
||||
- Adjacent: [[버전 및 모델 (Versions and Models)]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: campaign brief → prompt template, headline/CTA copy 의 variant generation, brief → asset checklist.
|
||||
**언제 X**: 매 final aesthetic taste — 매 brand director 의 review 필수. LLM 의 visual judgment hallucination.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **No brand LoRA, free-floating prompts**: 매 inconsistent style — 매 brand erosion.
|
||||
- **Single seed batch**: 매 variant 의 의미 없음. Seed sweep 필수.
|
||||
- **Text rendering in FLUX direct**: 매 still error-prone (2026). Imagen 4 / Recraft / final overlay 권장.
|
||||
- **No metadata trail**: 매 후속 reproduction / audit 불가.
|
||||
- **Skipping color palette enforcement**: brand color 의 drift.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Black Forest Labs FLUX 1.2 docs, Recraft v4 docs, kohya-ss flux training, Meta/Google ad spec sheets 2026).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — campaign pipeline, brand LoRA, multi-aspect, Sora 2 extension |
|
||||
Reference in New Issue
Block a user