docs(10_Wiki): Topic_Business/General/Graphic/Programming을 Topics/ 하위로 이동

최상위 10_Wiki/Topic_*였던 4개 카테고리 폴더를 10_Wiki/Topics/Topic_* 로 재배치.
콘텐츠 변경 없음(순수 폴더 이동) — Topics/ 하위 나머지 폴더는 이미 지난 커밋에서
전부 정리된 상태(잔존 항목은 에이전트 운영 상태 및 사용자가 보존을 요청한
업데이트0615/무제 3.canvas 뿐).

10_Wiki/Topics/Topic_Graphic/Topic_Prompt/CFG Scale.md

@@ -0,0 +1,108 @@
+---
+id: cfg-scale
+title: "CFG Scale"
+category: "AI_and_ML"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["Classifier-Free Guidance", "분류기 없는 가이던스", "지시문 준수 강도", "가이던스 스케일", "Guidance Scale", "CFG 스케일"]
+duplicate_of: ""
+source_trust_level: "A"
+confidence_score: 0.95
+created_at: 2026-06-26
+updated_at: 2026-06-26
+review_reason: ""
+merge_history: []
+tags: ["research", "image Prompt 작성 방법", "CFG Scale", "Stable Diffusion", "Flux", "Guidance"]
+raw_sources: [
+  "AI 이미지 프롬프트 엔지니어링의 이론적 기초와 모델별 최적화 실무 방법론",
+  "Stable Diffusion Negative Prompt: Optimize Your AI Art - AI Photo Generator",
+  "How to Use Negative Prompts in Stable Diffusion (2025) - QWE AI Academy",
+  "Prompt Engineering for AI Image Generation Tips - KnowledgeHut",
+  "Midjourney vs Stable Diffusion vs Flux: Which Wins? (2025) - PXZ AI"
+]
+applied_in: ["Meteora_Web_Furniture_Automation_Workflow", "ComfyUI_Production_Pipelines"]
+github_commit: ""
+---
+
+# [[CFG Scale]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+CFG Scale은 모델이 사용자의 지시문(Prompt)을 얼마나 엄격하게 준수할지 결정하는 **수치적 가이던스 강도**이자, 이미지의 **창의적 변동성과 구조적 정밀도 사이의 장력을 조율**하는 핵심 매개변수이다 [S46, S1106, S1142].
+
+## 🧠 핵심 개념 (Core concepts)
+- **분류기 없는 가이던스 (Classifier-Free Guidance):** 조건부 노이즈 예측(프롬프트 반영)과 무조건적 노이즈 예측(프롬프트 미반영) 사이의 가중치를 계산하여 생성 방향을 결정하는 메커니즘 [S46, S646, S1142].
+- **지시문 준수 강도 (Prompt Adherence):** 수치가 높을수록 텍스트 설명에 더 충실하게 결과물을 도출하며, 낮을수록 모델의 학습 데이터 기반 '창의적 해석' 비중이 높아짐 [S1016, S1081].
+- **장력 균형 (Avoidance Mapping):** 긍정 프롬프트(목적지)와 부정 프롬프트(경계) 사이에서 샘플러가 취하는 수치적 평형 상태를 제어함 [S1107, S1143].
+- **물리적 아티팩트 상관관계:** 특정 임계값(일반적으로 15 이상)을 넘어서면 색상이 과포화되거나 이미지 구조가 붕괴되는 '강제성 부작용'이 발생함 [S652, S670, S1142].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **반비례 최적화 패턴:** 아키텍처가 고도화될수록(SD 1.5 → XL → 3.5) 요구되는 적정 CFG 수치는 점진적으로 낮아지는 경향을 보임 [S46].
+- **컴파운딩 리지디티 (Compounding Rigidity):** 높은 CFG 스케일과 긴 네거티브 프롬프트가 결합될 경우, 모델이 수학적으로 과도하게 제약되어 디테일이 소실되고 이미지가 딱딱해지는(Stiff) 패턴 [S652, S670].
+- **스윗 스팟 패턴 (Sweet Spot Pattern):** 모델의 창의성과 지시 이행력이 가장 조화로운 구간인 **7~12 범위**를 기본 생성 전략으로 채택함 [S1016, S1081].
+- **가이던스 내재화 (Embedded Guidance):** Flux 모델과 같이 가이던스 메커니즘을 신경망 아키텍처에 미리 통합하여 CFG 수치를 1로 고정하는 진화 패턴 [S46].
+
+## ⚖️ 비교 및 선택 기준 (Comparison & decision criteria)
+
+| 모델 아키텍처 (Architecture) | 적정 CFG 범위 | 제어 원리 및 특성 | 선택 기준 |
+|---|---|---|---|
+| **Stable Diffusion 1.5** | 7 ~ 9 (실사 5-8) | 해부학적 데이터 한계로 높은 가이던스 필요 [S46, S647] | 구형 체크포인트 및 LoRA 사용 시 |
+| **Stable Diffusion XL** | 5 ~ 8 | 듀얼 텍스트 인코더로 낮은 수치에서도 높은 이행력 [S46, S647] | 고해상도 및 고품질 범용 생성 시 |
+| **Stable Diffusion 3 / 3.5** | 4 ~ 7 | MMDiT 구조로 텍스트 결합 성능이 우수해 낮은 수치 권장 [S46] | 복잡한 문장형 프롬프트 이행 시 |
+| **Flux (Dev/Schnell)** | 1 (또는 우회 3-4) | 가이던스가 신경망에 통합 연산됨 [S46, S50] | 초실사 및 정확한 텍스트 구현 시 |
+| **SD Turbo / LCM** | 1 ~ 2 | 고속 샘플링을 위해 가이던스 강도를 최소화 [S647, S665] | 실시간 이미지 생성이 필요할 때 |
+
+## 📖 세부 내용 (Details)
+CFG Scale은 역확산(Reverse Diffusion) 연산 중에 **무조건적 샘플링(Unconditional Sampling) 과정을 하이재킹**하여 화면의 붕괴를 예방하고 사용자의 의도를 시각화하는 물리적 메커니즘을 취한다 [S46, S1142]. 기술적으로는 프롬프트 임베딩이 노이즈 예측 모듈 내에서 행사하는 물리적 지배력을 수치화한 것이다 [S1106, S1142].
+
+**실무적 조율 가이드:**
+- **낮은 CFG (1~4):** 모델이 프롬프트를 무시하고 자유롭게 생성하도록 방치하며, 주로 추상적인 예술이나 실험적인 레이아웃 도출에 사용됨 [S1016, S1143].
+- **표준 CFG (7~10):** 대부분의 상업적 프로덕션에서 권장하는 구간으로, 지시문의 내용(Subject, Style)을 정확히 반영하면서도 시각적 결함이 적음 [S823, S899, S1016].
+- **높은 CFG (12~20+):** 프롬프트의 특정 키워드를 극도로 강조할 때 사용하나, 색상 반전(Inverting)이나 '딥 프라이드(Deep-fried)'라 불리는 과포화 현상이 발생할 위험이 높음 [S652, S1142].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **Flux의 가이던스 모순:** Flux Dev 모델은 아키텍처 상 CFG 1로 고정되도록 설계되었으나, 일부 플랫폼(fal.ai 등)에서는 별도의 'Guidance Scale' 매개변수를 통해 7-10 범위의 조절 인터페이스를 제공하는 구현상의 차이가 존재함 [S46, S823].
+- **과거 신념의 붕괴:** 과거에는 CFG가 높을수록 품질이 좋다고 믿었으나, 최신 분석에 따르면 높은 CFG는 오히려 미세 질감(Texture)을 파괴하고 인위적인 보정감을 강화한다는 사실이 밝혀짐 [S652, S1142].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Meteora Web 가구 카탈로그:** 제품의 색상 변체를 생성할 때 일관성을 유지하기 위해 CFG를 7.5로 고정하고, 네거티브 프롬프트 가중치를 조율하여 아티팩트를 제어함 [S5, S11].
+- **ComfyUI 워크플로우:** 로컬 환경(RTX 3080 이상)에서 SDXL 모델 구동 시 CFG 6.0~7.0 구간을 기본 프리셋으로 설정하여 이미지의 유연성을 확보함 [S6, S811].
+- **DALL-E 3 우회:** DALL-E 3는 사용자가 직접 CFG를 조절할 수 없으나, LLM이 프롬프트를 "리터럴(Literal)하게 해석하라"는 지시를 섞어 물리적 가이던스 강도를 높이는 효과를 유도함 [S47, S1014].
+
+## 💻 코드 패턴 (Code patterns)
+소스 내에 직접적인 알고리즘 코드는 없으나, 생성 명령 내 매개변수 적용 패턴이 기술됨.
+```text
+# Stable Diffusion (A1111/ComfyUI) 파라미터 구성 예시
+Steps: 25, Sampler: Euler a, CFG scale: 7.5, Seed: 12345, Size: 1024x1024
+# 고가이던스 실험 (키워드 강제)
+Prompt: (golden sunrise:1.5), realistic mountain... CFG scale: 12.0
+``` [S44, S1016, S1115]
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (물리적 아키텍처별 벤치마크 및 실무 가이드라인 기반)
+- **출처 신뢰도:** A (공식 문서, 전문 기술 아카데미 및 에이전시 데이터)
+- **신뢰 점수:** 0.95
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 🔗 지식 그래프 (Knowledge Graph)
+- **상위/루트:** [[image Prompt 작성 방법]]
+- **관련 개념:** [[Diffusion Models]], [[Prompt Engineering]], [[Negative Prompt]], [[Saturation Artifacts]]
+- **참조 맥락:** 모델별 적정 지시 강도를 설정하여 시각적 결함을 최소화하고 의도한 구도를 확보하고자 할 때 참조.
+
+## 📚 출처 (Sources)
+- [S44] 스테이블 디퓨전 가중치 조절 수식 및 역확산 연산
+- [S46] 아키텍처 버전에 따른 세부 네거티브 구성법과 CFG 통제 기준
+- [S50] Flux.1 엔진의 가이던스 내재화 및 우회 기법
+- [S646] AUTOMATIC1111: CFG 샘플링의 기술적 정의
+- [S652] 고수치 CFG와 네거티브 결합 시의 부작용 분석
+- [S665] SD Turbo/LCM 모델의 저수치 CFG 운용 전략
+- [S823] fal.ai 등 플랫폼별 Flux 가이던스 스케일 권장값
+- [S1016] CFG Scale 설정 범위(7~12) 및 모델 순응도 제어
+- [S1106] CFG Scale과 가이던스 강도의 물리적 상관관계
+- [S1107] Positive/Negative 지시문과 CFG의 균형 제어
+- [S1142] CFG Scale이 이미지 가시성 및 아티팩트에 미치는 영향
+- [S1143] CFG를 '회피 맵(Avoidance Map)'의 강도로 정의하는 개념
+
+## 📝 변경 이력 (Change history)
+- 2026-06-26: Initial draft generated via Datacollector_MAC P-Reinforce engine. 아키텍처별 CFG 최적화 표준 및 물리적 부작용 데이터 합성 완료.