6.2 KiB
6.2 KiB
id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by
| id | title | category | status | canonical_id | aliases | duplicate_of | source_trust_level | confidence_score | tags | raw_sources | last_reinforced | github_commit | inferred_by | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| wiki-2026-0508-model-parameters | Model Parameters | 10_Wiki/Topics | needs_review | self | none | A | 0.92 |
|
2026-05-08 | pending | Claude Opus 4.7 (auto-normalize 2026-05-08) |
Model Parameters
📌 한 줄 통찰 (The Karpathy Summary)
모델 매개변수(Model Parameters)는 AI 이미지 생성 시 최종 결과물의 형태, 해상도, 스타일, 무작위성 등을 미세 조정하기 위해 프롬프트 끝에 추가하는 명령어 또는 제어 수치입니다 [1-3]. 미드저니(Midjourney)에서는 프롬프트 텍스트 뒤에 하이픈 두 개(--)를 붙이는 방식으로 종횡비나 참조 모델 버전을 설정하며, 스테이블 디퓨전(Stable Diffusion)에서는 CFG 스케일 및 샘플링 스텝 등을 조정해 변화를 줍니다 [2, 4]. 이를 통해 사용자는 단순한 텍스트 묘사를 넘어 AI의 렌더링 방식과 예술적 개입 강도를 정밀하게 제어할 수 있습니다 [2, 5, 6].
📖 구조화된 지식 (Synthesized Content)
- 매개변수의 역할 및 기본 문법: 매개변수는 프롬프트 텍스트 뒤에 위치하여 이미지의 생성 방식을 제어하는 특수 명령어입니다 [2, 3]. 미드저니의 경우, 텍스트 입력을 마치고 띄어쓰기를 한 뒤 하이픈 두 개(
--)로 시작하는 형태(예:--ar 16:9)로 작성해야 합니다 [7]. 매개변수에는 구두점(콤마 등)을 사용하지 않아야 모델이 정상적으로 인식합니다 [7]. - 이미지 규격 및 렌더링 품질 제어:
--aspect또는--ar: 이미지의 가로세로 비율(예: 1:1, 16:9, 9:16)을 결정합니다 [5, 8].--quality또는--q(예: 0.25, 0.5, 1): 렌더링에 소요되는 GPU 시간과 디테일 수준을 설정합니다 [5, 9].--stop(10-100): 렌더링을 중간 단계에서 멈춰 흐릿하거나 미완성된 효과를 낼 수 있습니다 [5, 9].
- 스타일 및 창의성(무작위성) 조절:
--stylize또는--s(0-1000): 모델 고유의 예술적 개입 강도를 조절합니다. 값이 높을수록 미학적이고, 낮을수록 텍스트 지시에 더 충실한 결과를 냅니다 [5, 10, 11].--chaos또는--c(0-100): 초기 결과물 간의 무작위성과 다양성을 높여 서로 전혀 다른 느낌의 이미지를 얻을 때 사용합니다 [5, 12].--weird또는--w(0-3000): 기발하고 예상치 못한 엉뚱한 시각적 요소를 도입합니다 [5].--style raw: 미드저니 특유의 미학적 기본값을 줄이고 보다 사진에 가까운 형태(사실주의)를 얻기 위해 사용합니다 [5, 13].
- 모델 버전 및 생성 모드 지정:
--version또는--v(예:--v 6.0,--v 7)를 사용해 특정 AI 모델 버전을 지정하거나,--niji를 통해 애니메이션 미학에 특화된 모델을 호출할 수 있습니다 [5, 14]. 특히 미드저니 V7에 도입된--draft매개변수는 GPU 비용을 절반으로 줄이고 10배 빠르게 시안을 생성하여 초기 아이디어 탐색(Ideation) 작업에 매우 유용합니다 [8, 15]. - 참조 및 시각적 일관성 제어: 특정 이미지의 톤이나 캐릭터를 유지하기 위해
--sref(스타일 참조),--cref(캐릭터 참조),--oref(옴니 참조) 매개변수 뒤에 기존 이미지 URL을 첨부하여 사용합니다 [10, 11, 16, 17]. 이와 함께--sw(스타일 가중치),--cw(캐릭터 가중치)를 설정해 해당 참조 이미지가 결과물에 미치는 영향력을 0~1000 수치로 세밀하게 제어할 수 있습니다 [5, 11, 16]. - 스테이블 디퓨전의 제어 매개변수: 스테이블 디퓨전에서는 텍스트 접미사 형태의 매개변수 외에도 샘플링 스텝(Sampling steps)과 CFG 스케일(Classifier-Free Guidance Scale)이라는 제어 수치를 활용해 프롬프트 준수 강도를 조정합니다 [4, 18]. 또한
(word:1.5)나[word]와 같이 괄호와 수치를 활용한 프롬프트 가중치(Prompt Weights) 문법을 통해 프롬프트 내 세부 요소들의 비중을 직접 매개변수화합니다 [19-21].
🔗 지식 연결 (Graph)
- Related Topics: Midjourney, Stable Diffusion, Prompt Weight, Negative Prompt, CFG Scale
- Projects/Contexts: AI 이미지 생성 파이프라인, 일관된 캐릭터 및 스타일 구축
- Contradictions/Notes: 미드저니와 스테이블 디퓨전은 매개변수와 특수 기호(가중치)를 통해 렌더링을 정밀하게 통제하지만, DALL-E 3는 이러한 기술적 매개변수(예:
--ar 16:9나--v 7)보다는 자연어 대화형 서술("가로 형태의 이미지")에 더 잘 반응합니다. DALL-E 3에 인위적인 매개변수나 복잡한 문법을 삽입할 경우 모델이 이를 불필요한 텍스트로 오인하여 결과 이미지 안에 글자로 렌더링 해버릴 수 있습니다 [22, 23].
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.
⚠️ 모순 및 업데이트 (Contradictions & Updates)
- 과거 데이터와의 충돌: 없음
- 정책 변화: 없음
🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|---|---|---|---|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |