Add Topic_Prompt wiki, 회의록 및 정렬 지식 문서

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

10_Wiki/Topic_Prompt/확산 모델(Diffusion Model).md

@@ -0,0 +1,180 @@
+---
+id: 확산-모델(diffusion-model)
+title: "확산 모델(Diffusion Model)"
+category: "AI_and_ML"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Diffusion Model", "디퓨전 모델", "역방향 노이즈 제거 모델", "확산 생성 모델", "CFG 메커니즘", "Flow Matching"]
+duplicate_of: ""
+source_trust_level: "S"
+confidence_score: 0.98
+created_at: 2026-06-26
+updated_at: 2026-06-26
+review_reason: ""
+merge_history: []
+tags: ["research", "이미지 prompt 생성 예시", "확산 모델"]
+raw_sources: ["생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시", "The 8 best AI image generators in 2026 - Zapier", "Negative Prompts Explained: What They Are, How They Work, and ...", "Stable Diffusion Prompt Weights: The Syntax Guide | QWE AI Academy", "Midjourney vs. Stable Diffusion vs. DALL·E 3 for Storyboarding | Prescene Blog", "Master DALL-E 3: Complete Guide with Expert Prompt Examples - HBLAB GROUP"]
+applied_in: ["Stable Diffusion 1.5/XL/3.5", "Midjourney V8.1", "DALL-E 3", "FLUX.1 (Flow Matching variant)"]
+github_commit: ""
+---
+
+# [[확산 모델(Diffusion Model)]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+확산 모델은 무작위 노이즈에서 시작하여 프롬프트라는 의미론적 앵커를 따라 시각적 질서를 단계적으로 복원해나가는 반복적 역방향 연산 체계이다 [S1374, S1622].
+
+## 🧠 핵심 개념 (Core concepts)
+- **역방향 노이즈 제거 (Denoising):** 완전한 무작위 노이즈 필드에서 시작하여, 프롬프트에 대한 모델의 이해도에 맞춰 여러 단계를 거치며 노이즈를 제거해 이미지를 렌더링하는 핵심 기법 [S1374].
+- **교차 주의 집중 (Cross-Attention):** 텍스트 인코더가 단어를 다차원 임베딩 벡터로 변환하고, 이를 확산 과정에 개입시켜 시각적 결과물과 언어적 지시를 결합하는 연산 메커니즘 [S1622].
+- **분류기 없는 가이던스 (Classifier-Free Guidance, CFG):** 긍정 프롬프트 기반 예측과 부정(혹은 빈) 프롬프트 기반 예측을 비교하여, 최종 결과물을 긍정 방향으로 밀어내고 부정 요소로부터 멀어지게 조율하는 제어판 [S1112].
+- **75토큰 청크 (75-Token Chunk):** CLIP 아키텍처의 한계로 인해 프롬프트를 75개 토큰 단위로 분할하여 독립된 텐서로 처리하는 구조적 임계점 [S1337, S1631].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **단계적 구체화 패턴:** 초기 노이즈에서 주 피사체의 윤곽을 먼저 잡고, 이후 단계를 거치며 조명, 질감, 기술적 사양을 얹는 물리적 생성 파이프라인 [S1622, S1623].
+- **기하학적 불변성 유지:** 프롬프트 최상단에 "Do NOT change" 블록을 배치하거나 이미지 가중치(--iw 2.0)를 높여 확산 과정 중의 공간적 상상력을 억제하고 원본 지오메트리를 고정함 [S1223, S1640].
+- **네거티브 필터링:** 역방향 예측 연산을 통해 형태 왜곡(Disfigured)이나 원치 않는 요소(Bad anatomy)를 생성 공정에서 원천 배제함 [S1111, S1631].
+
+## ⚖️ 비교 및 선택 기준 (Comparison & decision criteria)
+
+| 항목 (Option) | 생성 방식 | 특징 | 장점 |
+|---|---|---|---|
+| **표준 확산 모델** (SD 1.5/XL) | 단계적 노이즈 제거 | CFG를 통한 정밀 제어 [S1112] | 오픈소스 생태계, 높은 제어력 [S1624] |
+| **플로우 매칭** (FLUX.1) | Flow Matching (MMDiT) | 네거티브 프롬프트 미지원 [S1117] | 극단적인 지시 이행력 및 리얼리즘 [S1624] |
+| **자기회귀 모델** (GPT Image 2) | Autoregression | 이미지 조각을 순차 예측 [S1375] | 완벽한 자연어 문맥 이해 [S1381, S1624] |
+
+## 📖 세부 내용 (Details)
+
+### 1. 프롬프트 임베딩과 시각적 합성 메커니즘 [S1622]
+- 텍스트 인코더(CLIP, T5-XXL 등)는 인간의 언어를 모델이 이해할 수 있는 **다차원 벡터**로 변환한다 [S1622, S1625].
+- 이 벡터 데이터는 확산 모델의 **UNet** 구조 내부에서 교차 주의 집중 연산을 통해 노이즈 제거 과정에 물리적 앵커로 주입된다 [S1622, S1624].
+- 구체적인 명사("세 마리의 벵갈 고양이")를 사용하면 모델의 의미론적 모호성을 해소하여 노이즈 제어력을 높일 수 있다 [S1622].
+
+### 2. 가중치 연산과 CFG 스케일 제어 [S1112, S1630]
+- **CFG 스케일:** 수치가 높을수록 프롬프트에 엄격히 부합하려 하나 너무 높으면 이미지가 과포화(Crispy)되고, 낮으면 창의성이 증가하지만 지시를 무시한다 [S1112].
+- **수치 멀티플라이어:** `(keyword:1.5)`와 같은 표기는 해당 속성이 이미지에 투사되는 비중을 선형적으로 높이며, 안전 범위는 보통 **0.7 ~ 1.5** 사이이다 [S1630].
+- **BREAK 구문:** 75토큰 경계에서 가중치 작용이 단절되는 것을 방지하고 색상 누출(Color Bleeding)을 차단하기 위해 강제로 청크를 분리한다 [S1337, S1631].
+
+### 3. 모델 아키텍처의 진화와 특성 [S1624-S1625]
+- **Stable Diffusion 3.5:** Triple Text Encoder와 MMDiT(Multimodal Diffusion Transformer) 기술을 사용하여 복잡한 다중 피사체 구도와 자연어 텍스트 구현력을 강화했다 [S1624].
+- **FLUX.1:** 전통적인 디퓨전 대신 플로우 매칭 아키텍처를 채택하여 네거티브 구문 없이 오직 긍정형 문장만으로도 극사실적인 렌더링이 가능하다 [S1117, S1632].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **네거티브 프롬프트의 가용성:** Stable Diffusion 계열에서는 네거티브 프롬프트가 이미지 품질 향상의 필수 요소이나, 최신 모델인 **FLUX.1**은 아키텍처상 이를 지원하지 않으므로 긍정 묘사로만 제어해야 한다 [S1117, S1632].
+- **고해상도 생성 방식:** 과거에는 낮은 해상도 생성 후 업스케일을 진행했으나, **Midjourney V8.1** 등 최신 엔진은 노이즈 생성 단계 초기부터 직접 2K 고화질로 렌더링하여 구조적 드리프트를 방지한다 [S1628, S1629].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **영화 스토리보딩:** Midjourney와 Stable Diffusion을 활용해 조명, 렌즈, 배치를 사전에 시각화하여 제작 효율성을 높임 [S1054, S1642].
+- **상업 광고:** Burger King 프랑스 캠페인에서 AI 특유의 '비현실성'을 의도적으로 활용하여 호러 컨텐츠를 제작한 사례 [S921, S966].
+- **실시간 렌더링:** KREA AI의 'Screen-to-Image' 연동을 통해 스케치업 모델링 변화를 실시간으로 확산 모델 결과물로 출력 [S1643].
+
+## 💻 코드 패턴 (Code patterns)
+```python
+# Python - Gemini 2.5 Flash Image (확산 기반 고해상도 생성 모델) API 활용 [S1183, S1644]
+from vertexai.preview.vision_models import ImageGenerationModel
+
+def generate_diffusion_image(prompt_text):
+    # 모델 초기화 (소스에서 강력한 편집성과 사실성을 갖춘 모델로 명시됨)
+    model = ImageGenerationModel.from_pretrained("gemini-2.5-flash-image")
+    
+    # 프롬프트 조립 패턴: 피사체 + 스타일 + 조명 + 기술 사양 [S1622]
+    # 사실적인 질감을 위해 DSLR 메커니즘을 텍스트로 인코딩 [S1627]
+    refined_prompt = (
+        f"{prompt_text}, cinematic style, 85mm f/1.4 lens, "
+        "softbox lighting, realistic skin pores, high dynamic range"
+    )
+    
+    response = model.generate_images(
+        prompt=refined_prompt,
+        number_of_images=1,
+        aspect_ratio="16:9"
+    )
+    return response
+
+# 실행 예시: 인물 사진 생성 시 광학 제어 수치 주입
+generate_diffusion_image("A portrait of an elderly watchmaker")
+```
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (주요 모델 제작사의 공식 가이드 및 렌더링 메커니즘 분석 기반)
+- **출처 신뢰도:** S (기술적 가이드와 실무 최적화 방법론이 교차 검증된 소스)
+- **신뢰 점수:** 0.98
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 관련 문서 링크 (Related document links)
+
+### 상위/유사 개념
+- [[프롬프트 엔지니어링]] — 확산 모델을 제어하기 위한 언어적 입력 공학 [S1622]
+- [[광학적 시각 제어]] — 물리적 카메라 사양을 모델에 이식하는 기술 [S1626]
+- [[시네마토그래피]] — AI 생성물의 미적 완성도를 높이는 실사 촬영 표준 [S1627]
+
+### 심층 후속 질문 (Deeper Research Questions)
+- FLUX의 플로우 매칭(Flow Matching) 아키텍처가 수학적으로 전통적인 노이즈 역방향 제거와 구별되는 지점은 무엇인가? [S1644]
+- 75토큰 청크 단위의 분할이 UNet의 어텐션 레이어 가중치 분포에 미치는 비선형적 영향은 어떻게 계산되는가? [S1631]
+- 섭동 어텐션 가이던스(PAG)가 노이즈 제거 과정에서 특정 시각 레이어의 해상도를 독립적으로 강화하는 방식은 무엇인가? [S1645]
+
+### 실무 적용 맥락 (Practical Application Contexts)
+- **Implementation:** 가중치 안전 대역(0.7~1.5) 준수를 통한 이미지 일관성 확보 [S1630].
+- **System Design:** ComfyUI 기반 CSV 배치 처리로 대량의 시나리오 보드 자동 양산 [S1642].
+- **Operation / Maintenance:** Denoising Strength 임계점(0.5) 제어를 통한 이미지 부분 수정(Inpainting) 품질 관리 [S1643].
+
+### 인접 주변 주제
+- [[ControlNet]] — 확산 과정에 기하학적 형태 가이드를 추가하는 기술 [S1058]
+- [[LoRA 미세 조정]] — 특정 데이터셋의 가중치를 주입하여 화풍을 고정하는 기법 [S1058]
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[이미지 prompt 생성 예시]]
+- **관련 개념:** [[프롬프트 엔지니어링]], [[역방향 노이즈 제거]], [[가중치 연산]]
+- **참조 맥락:** 고품질 생성 AI 결과물 도출을 위한 엔진 레벨의 제어 원리로 참조됨.
+
+## 📚 출처 (Sources)
+- [S1] Stable Diffusion Prompt Weights: The Syntax Guide | QWE AI Academy
+- [S2] Negative Prompts Explained: What They Are, How They Work, and ...
+- [S3] Midjourney Prompt Guide 2026: Structure and Parameters
+- [S6] Midjourney Prompt Guide 2026: Structure and Parameters
+- [S8] 25+ AI Prompts for Stunning Anime-Style Illustrations | The GBTI Network
+- [S9] Midjourney vs. Stable Diffusion vs. DALL·E 3 for Storyboarding | Prescene Blog
+- [S10] Best AI Image Generators of 2026 - CNET
+- [S11] The 8 best AI image generators in 2026 - Zapier
+- [S12] 50 Best AI Image Prompts for AI Image Generators — OpenArt Blog
+- [S13] Midjourney V6 Parameters Guide | PDF - Scribd
+- [S14] Parameter List - Midjourney Docs
+- [S15] How to Prompt FLUX. The BEST ways for prompting FLUX.1 - YouTube
+- [S16] Master DALL-E 3: Complete Guide with Expert Prompt Examples - HBLAB GROUP
+- [S17] Where can i find good prompts which can be used... - Reddit
+- [S18] Photography Modifiers in AI-Generated Images | CodeSignal Learn
+- [S19] Camera + Lighting Prompt Cheatsheet for AI Images Guide
+- [S20] The Best 25 Midjourney Prompts for Lighting - OpenArt
+- [S21] #10: Prompt Generator 사이트 추천 - 메일리
+- [S22] Stable Diffusion prompt: a definitive guide
+- [S23] [Midjourney] Midjourney 사용방법③ - AIPRM을 이용한 프롬프트 만들기
+- [S24] 3D Character Emergence Prompt: Sketchbook to Life Art - Big ...
+- [S25] Elegant Woman and Rugged Man in Cinematic Noir - Proxima Pictures
+- [S26] Cinematic AI Generator Prompts | Proxima Pictures
+- [S27] Best Anime & Manga Art Prompts | Promptomania
+- [S28] Anime prompts: 30 AI ideas for characters, scenes... - Picsart
+- [S29] Renovation Transformation Prompt: Two-Stage Structural Accuracy
+- [S30] Best Abstract Art & Backgrounds Prompts | Promptomania
+- [S31] Abstract Art AI Generator Prompts - Proxima Pictures
+- [S33] Stable Diffusion Prompt Guide - YouTube
+- [S1374] The 8 best AI image generators in 2026 - Zapier
+- [S1375] The 8 best AI image generators in 2026 - Zapier
+- [S1622] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1623] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1624] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1625] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1626] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1627] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1628] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1629] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1630] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1631] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1632] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1640] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1642] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1643] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+- [S1644] 생성형 이미지 모델의 프롬프트 엔지니어링 메커니즘과 도메인별 최적화 및 실무 예시 (Markdown)
+
+## 📝 변경 이력 (Change history)
+- 2026-06-26: Initial draft generated via Datacollector_MAC P-Reinforce engine. High-density synthesis of technical diffusion mechanics completed.