---
id: wiki-2026-0508-미드저니-및-스테이블-디퓨전의-부분-편집-기법
title: 미드저니 및 스테이블 디퓨전의 부분 편집 기법
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: [Inpainting, Outpainting, Vary Region, Partial Edit]
duplicate_of: none
source_trust_level: A
confidence_score: 0.9
verification_status: applied
tags: [diffusion, inpainting, midjourney, sdxl, flux]
raw_sources: []
last_reinforced: 2026-05-10
github_commit: pending
tech_stack:
  language: python
  framework: diffusers
---

# 미드저니 및 스테이블 디퓨전의 부분 편집 기법

## 매 한 줄
> **"매 부분 편집 매 mask × prompt × denoise 의 3축 control"**. Inpainting/outpainting 매 image 의 일부 만 regenerate — 매 mask region 의 latent 의 noise 의 추가 후 conditional denoise. 매 2026 의 FLUX.1 Fill, SDXL Inpaint, MJ "Vary Region" / "Vary Subtle" 매 production-ready.

## 매 핵심

### 매 3가지 mode
- **Inpainting**: existing region 의 mask 의 그리고 prompt 로 replace.
- **Outpainting**: image 의 canvas 의 확장 의 새 region 의 채움.
- **Vary Region (MJ)**: subset 의 selective regeneration — context-aware.

### 매 control axis
- **Mask shape**: hard edge vs feathered (blur radius).
- **Denoise strength**: 0.3 (subtle tweak) — 1.0 (full replace).
- **Prompt scope**: full-image prompt vs masked-only prompt.

### 매 응용
1. Object 추가/제거 — 매 background 의 보존 의 selective replace.
2. Outpaint 의 wide aspect — 16:9 → 21:9 cinematic.
3. Face/hand fix — adetailer 의 auto-detect mask + inpaint pass.

## 💻 패턴

### SDXL Inpaint pipeline
```python
from diffusers import StableDiffusionXLInpaintPipeline
from PIL import Image
import torch

pipe = StableDiffusionXLInpaintPipeline.from_pretrained(
    "diffusers/stable-diffusion-xl-1.0-inpainting-0.1",
    torch_dtype=torch.float16,
).to("cuda")

img = Image.open("photo.png").convert("RGB")
mask = Image.open("mask.png").convert("L")  # white = replace, black = keep

result = pipe(
    prompt="a red ceramic vase with white flowers",
    image=img,
    mask_image=mask,
    strength=0.95,        # full replace inside mask
    guidance_scale=7.0,
    num_inference_steps=30,
).images[0]
```

### FLUX.1 Fill (2024-2026 SOTA)
```python
from diffusers import FluxFillPipeline

pipe = FluxFillPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-Fill-dev",
    torch_dtype=torch.bfloat16,
).to("cuda")

result = pipe(
    prompt="a vintage brass lamp on the desk",
    image=img,
    mask_image=mask,
    height=1024, width=1024,
    guidance_scale=30,    # FLUX Fill specific
    num_inference_steps=50,
).images[0]
```

### Outpainting — canvas 확장
```python
from PIL import Image, ImageOps

orig = Image.open("portrait.png")  # 1024x1024
# 매 좌우 512px 확장 → 2048x1024
canvas = Image.new("RGB", (2048, 1024), (0, 0, 0))
canvas.paste(orig, (512, 0))

mask = Image.new("L", (2048, 1024), 255)  # all white
mask.paste(0, (512, 0, 1536, 1024))       # original area = keep

# 매 feather mask edge 의 seam 회피
mask = mask.filter(ImageFilter.GaussianBlur(radius=16))

result = pipe(
    prompt="extended cinematic landscape, mountains, golden hour",
    image=canvas, mask_image=mask,
    strength=1.0,
).images[0]
```

### Adetailer pattern — auto face/hand fix
```python
# 매 ComfyUI / A1111 — YOLO detect → mask → inpaint
from ultralytics import YOLO

face_det = YOLO("face_yolov8n.pt")
boxes = face_det(img)[0].boxes.xyxy

for box in boxes:
    x1, y1, x2, y2 = map(int, box)
    face_mask = Image.new("L", img.size, 0)
    ImageDraw.Draw(face_mask).rectangle([x1, y1, x2, y2], fill=255)
    face_mask = face_mask.filter(ImageFilter.GaussianBlur(8))
    img = pipe(
        prompt="detailed face, sharp eyes, natural skin",
        image=img, mask_image=face_mask,
        strength=0.4,  # subtle — preserve identity
    ).images[0]
```

### Differential diffusion — soft mask
```python
# 매 mask 의 grayscale 의 per-pixel strength 으로 처리
soft_mask = Image.open("gradient_mask.png").convert("L")
# 매 black=0% strength, white=100% — smooth blend
result = pipe(prompt=p, image=img, mask_image=soft_mask, strength=0.8).images[0]
```

### Midjourney Vary Region (UI workflow)
```text
1. /imagine 로 base image 생성.
2. U1 (upscale) 후 "Vary (Region)" 클릭.
3. 매 lasso/rectangle 의 region 선택.
4. Prompt 의 edit (optional) 후 submit.
5. 매 4 variant 의 seed 만 region 의 regenerate.
```

### Mask preprocessing — clean edge
```python
import numpy as np
import cv2

mask_np = np.array(mask)
# 매 dilate (확장) 의 seam 의 hide
mask_np = cv2.dilate(mask_np, np.ones((5,5), np.uint8), iterations=2)
# 매 feather
mask_np = cv2.GaussianBlur(mask_np, (21, 21), 0)
mask = Image.fromarray(mask_np)
```

## 매 결정 기준
| 상황 | Approach |
|---|---|
| Object 교체 (vase) | hard mask + strength=0.95 + SDXL Inpaint |
| Background extension | feathered mask + outpaint + strength=1.0 |
| Face detail fix | YOLO-detect mask + strength=0.3-0.5 |
| Subtle texture tweak | strength=0.2 + soft mask |
| Photoreal fill | FLUX.1 Fill > SDXL Inpaint |
| Stylized iteration | MJ Vary Region |

**기본값**: photoreal → FLUX.1 Fill, stylized → MJ Vary Region, batch automation → SDXL Inpaint + adetailer.

## 🔗 Graph
- 부모: [[AI 이미지 생성 및 편집 워크플로우 (AI Image Generation & Editing Workflow)]]
- 변형: [[ControlNet Inpaint]] · [[IP-Adapter Inpaint]]
- 응용: [[상업용 제품 사진 및 브랜드 로고 디자인]] · [[부정 프롬프트와 가중치를 활용한 시각적 아티팩트(Artifact) 디버깅 및 제어]]
- Adjacent: [[Adetailer]] · [[Differential Diffusion]] · [[SAM (Segment Anything)]]

## 🤖 LLM 활용
**언제**: object replacement, background extension, face/hand defect fix, brand asset iteration.
**언제 X**: identity preservation 의 strict requirement — IP-Adapter / instantID 의 사용 의 추천.

## ❌ 안티패턴
- **Hard mask 의 seam visible**: feather + dilate 의 누락.
- **Strength=1.0 의 face**: identity 의 파괴 — 0.3-0.5 의 사용.
- **Full-image prompt 만**: masked region 의 context 의 누락 — masked-specific term 의 추가.
- **Square mask 의 organic object**: SAM 의 사용 의 정확 mask.
- **Outpaint 의 strength<1.0**: 매 black 영역 의 noise 의 incomplete fill.

## 🧪 검증 / 중복
- Verified (Diffusers SDXL Inpaint docs, FLUX.1 Fill model card, Midjourney v6 docs).
- 신뢰도 A.

## 🕓 Changelog
| 날짜 | 변경 |
|---|---|
| 2026-05-08 | Phase 1 |
| 2026-05-10 | Manual cleanup — inpaint/outpaint/vary 3-mode + FLUX Fill |