151 lines
12 KiB
Markdown
151 lines
12 KiB
Markdown
---
|
|
id: negative-prompt
|
|
title: "Negative Prompt"
|
|
category: "AI_and_ML"
|
|
status: "draft"
|
|
verification_status: "conceptual"
|
|
canonical_id: ""
|
|
aliases: ["네거티브 프롬프트", "부정 프롬프트", "거부 필터", "Negative Prompting", "--no 파라미터", "Exclusion Prompt", "반발 가드레일"]
|
|
duplicate_of: ""
|
|
source_trust_level: "A"
|
|
confidence_score: 0.94
|
|
created_at: 2026-06-26
|
|
updated_at: 2026-06-26
|
|
review_reason: ""
|
|
merge_history: []
|
|
tags: ["research", "image Prompt 작성 방법", "Stable Diffusion", "Midjourney", "DALL-E 3"]
|
|
applied_in: ["Meteora_Web_E-commerce_Workflow", "Furniture_Product_Catalog_Project", "Realistic_Portrait_Refinement_Process"]
|
|
github_commit: ""
|
|
---
|
|
|
|
# [[Negative Prompt]]
|
|
|
|
## 🎯 한 줄 통찰 (One-line insight)
|
|
네거티브 프롬프트는 이미지 생성의 목적지가 아닌 **경계(Boundaries)**를 설정하는 도구로, 역확산 과정에서 모델이 원치 않는 통계적 확률 영역으로 표류하지 않도록 차단하는 **가상의 고차원 반발 가드레일**이다 [S45, S1105, S1176].
|
|
|
|
## 🧠 핵심 개념 (Core concepts)
|
|
- **회피 맵 (Avoidance Map):** 생성 과정 중 특정 개념(왜곡, 워터마크 등)에 해당하는 노이즈 예측을 의도적으로 거부하여 결과물에서 배제하는 메커니즘 [S1104, S1107, S1177].
|
|
- **추상어의 함정 (Abstract Term Trap):** "ugly", "bad anatomy" 같은 추상적 용어는 학습 데이터 라벨링 부재로 방어율이 낮으며, "extra fingers"와 같은 **구체적 형상 단위**의 어휘가 물리적 정밀도를 결정함 [S47, S649, S656].
|
|
- **임계 지연 영향 (Critical Lag Influence):** 네거티브 프롬프트의 실질적인 영향력은 생성 초기 단계가 아닌 **10단계 이후(Step 10+)**에 본격적으로 발휘되어 구조를 정제함 [S1124].
|
|
- **모델별 수용력 차이:** 아키텍처(SD 1.5 vs SDXL vs Flux)에 따라 네거티브 프롬프트의 최적 길이는 반비례하며, 최신 모델일수록 짧고 간결한 제외 지시를 선호함 [S46, S647, S1126].
|
|
|
|
## 🧩 추출된 패턴 (Extracted patterns)
|
|
- **3개 용어 전략 (Three-Term Strategy):** "blurry, low quality, watermark"라는 최소한의 핵심 단어만으로 시작하여 모델의 창의성을 저해하지 않으면서 기초 품질을 확보하는 패턴 [S648, S655].
|
|
- **조각가 패턴 (Sculpting Pattern):** 긍정 프롬프트를 원시 대리석 블록으로, 네거티브 프롬프트를 불필요한 부분을 깎아내는 **치슬(Chisel)**로 정의하여 점진적으로 형태를 드러내는 워크플로우 [S1176].
|
|
- **장력 균형 패턴 (Tension Balance):** 긍정 임베딩과 동일한 토큰 크기(77토큰)를 할당하여 노이즈 예측 모듈 내에서 두 영역 간의 수치적 평형을 유도함 [S46].
|
|
- **점진적 정제 (Iterative Refinement):** 처음부터 대량의 단어를 넣지 않고, 결과물에서 발견된 반복적 결함을 하나씩 네거티브에 추가하며 '깎아내는' 방식 [S1115, S1130, S1188].
|
|
|
|
## ⚖️ 비교 및 선택 기준 (Comparison & decision criteria)
|
|
|
|
| 아키텍처 버전 (Model) | 권장 네거티브 범위 | CFG 가이던스 범위 | 물리적 제어 원리 |
|
|
|---|---|---|---|
|
|
| **Stable Diffusion 1.5** | 5~15개 내외 (중량급) [S46, S647] | 7 ~ 9 [S46] | 해부학적 데이터 한계로 인해 인체 교정을 위한 중량급 어휘 구성이 필수적임 [S46, S1126]. |
|
|
| **Stable Diffusion XL** | 2~5개 수준 (극소) [S46, S647] | 5 ~ 8 [S46] | 거대해진 듀얼 텍스트 인코더가 긴 나열 시 오히려 묘사력 감퇴 및 색조 열화를 초래함 [S46, S1126]. |
|
|
| **Flux (Dev/Schnell)** | 거의 불필요 (무시 가능) [S46, S50] | 1 (강제 고정) [S46] | 가이던스 메커니즘이 신경망에 내재화되어 있으며, 과도한 네거티브는 구도를 무너뜨림 [S46, S50, S215]. |
|
|
| **Midjourney V6** | `--no` 매개변수 사용 [S42, S733] | --s (Stylize) 연동 | 자연어 문장 끝에 특정 단어를 명시하여 물리적 데이터 수집을 직접 거부함 [S1220]. |
|
|
|
|
## 📖 세부 내용 (Details)
|
|
|
|
### 1. 작동 원리: 무조건적 샘플링의 하이재킹
|
|
네거티브 프롬프트는 단순한 필터링이 아니라, 샘플링 단계에서 **무조건적 조건(Unconditioned Noise)**을 사용자의 제외 지시문 벡터로 대체하는 기술적 '해킹'이다 [S45, S646]. 이를 통해 모델은 사용자가 지정한 개념을 생성할 확률이 가장 낮은 방향으로 픽셀을 배치하게 된다 [S45, S1104, S1177].
|
|
|
|
### 2. 카테고리별 실무 적용 전략
|
|
- **초실사 인물 (Portraits):** "waxy skin", "plastic skin", "doll-like" 등을 배제하여 과도한 보정감을 제거하고 피부 질감을 복원함 [S1118, S1121, S1157].
|
|
- **그래픽 디자인 (Logos):** "photorealistic", "3d", "shadow", "glossy"를 네거티브에 넣어 입체감을 제거하고 플랫한 2D 벡터 스타일을 강제함 [S1178, S1184].
|
|
- **풍경 및 건축 (Landscapes):** "people", "cars", "power lines" 등을 제거하여 현대적 흔적이 없는 태고의 자연경관을 구축함 [S1183, S1185].
|
|
|
|
### 3. 주요 주의사항 및 부작용
|
|
- **상충 지시의 오류:** 긍정 프롬프트에 "어두운 골목"을 넣고 네거티브에 "어둠(dark)"을 넣으면 모델은 수치적 혼란에 빠져 이미지가 진흙처럼 뭉개지는 아티팩트가 발생함 [S723, S1187].
|
|
- **과교정(Overcorrection):** 너무 긴 네거티브 목록은 이미지의 생동감(Soul)을 앗아가고 결과물을 평이하고 지루하게 만듦 [S652, S1180, S1187].
|
|
|
|
## ⚖️ 모순 및 업데이트 (Contradictions & updates)
|
|
- **텍스트 이해도 변화:** 과거 모델은 "코끼리를 생각하지 마"를 "코끼리"로 인식했으나 [S1219], 최신 모델(DALL-E 3, Flux)은 "no cats"와 같은 자연어 수준의 부정 지시를 직접 해석하기 시작함 [S170, S180, S207].
|
|
- **손가락 문제의 한계:** 대중적으로 손가락 오류를 네거티브로 고칠 수 있다고 믿지만, 실제 테스트 결과 모델의 훈련 데이터 자체가 부족한 경우 네거티브 프롬프트는 **거의 효과가 없음**이 밝혀짐 [S645, S654, S657].
|
|
|
|
## 🛠️ 적용 사례 (Applied in summary)
|
|
- **Meteora Web 가구 카탈로그:** 제품 사진의 배경을 화이트로 고정하기 위해 `--no shadow, clutter`를 사용하고, 인페인팅 단계에서 네거티브 프롬프트를 통해 미세 결함을 수정함 [S11].
|
|
- **상업용 로고 스케치:** Midjourney V6에서 로고 시안 도출 시 `--no text, typography`를 사용하여 글자가 뭉개지는 현상을 사전에 방단하고 순수 형상 위주의 결과물을 확보함 [S1256].
|
|
- **초실사 워치 광고:** Flux Pro 모델 사용 시 네거티브 가중치를 최소화하여 제품 표면의 물리적 반사광과 질감을 보존함 [S824, S825].
|
|
|
|
## 💻 코드 패턴 (Code patterns)
|
|
|
|
### Midjourney V6 표준 제외 문법
|
|
```bash
|
|
/imagine prompt: A majestic knight on horseback --no armor, helmet, shield --ar 16:9
|
|
# 특정 개체를 배제하여 렌더링 방향을 강제 전환함
|
|
``` [S1220, S42]
|
|
|
|
### Stable Diffusion 가중치 네거티브 패턴 (A1111)
|
|
```text
|
|
# 특정 결함에 1.4배의 회피 강도 부여
|
|
(extra fingers:1.4), (mutated hands:1.4), (deformed iris:1.2)
|
|
|
|
# 임베딩 토큰 활용 (고밀도 네거티브 유도)
|
|
<wrong>, EasyNegative, bad-prompt-v2
|
|
``` [S44, S45, S1115, S1188]
|
|
|
|
### DALL-E 3 구문형 부정 패턴
|
|
```text
|
|
"A high-quality landscape of a futuristic city, but specify that there should be NO flying cars or neon lights, focus on green vegetation."
|
|
# 매개변수 대신 자연어 구절 내에서 부정을 명시함
|
|
``` [S170, S180]
|
|
|
|
## ✅ 검증 상태 및 신뢰도
|
|
- **상태:** draft
|
|
- **검증 단계:** conceptual (물리적 노이즈 예측 원리 및 모델별 벤치마크 데이터 포함)
|
|
- **출처 신뢰도:** A (공식 문서, 아카데믹 논문(ECCV 2024), 실무 에이전시 데이터 기반)
|
|
- **신뢰 점수:** 0.94
|
|
- **중복 검사 결과:** 신규 생성 (New discovery)
|
|
|
|
## 🔗 관련 문서 링크 (Related document links)
|
|
|
|
### 상위/유사 개념
|
|
- [[image Prompt 작성 방법]] — 이미지 생성 전략의 루트 문서
|
|
- [[Diffusion Models]] — 네거티브 가이던스가 개입하는 알고리즘 체계
|
|
- [[CFG Scale]] — 네거티브 프롬프트의 영향력을 증폭시키는 수치적 지표
|
|
|
|
### 심층 후속 질문 (Deeper Research Questions)
|
|
- 네거티브 프롬프트가 이미지의 동적 범위(Dynamic Range)와 대비에 미치는 수학적 영향은? [S1119, S1125]
|
|
- CLIP 인코더의 부정어 처리 한계가 멀티모달 모델에서 어떻게 극복되고 있는가? [S46, S110]
|
|
- 스케줄링 문법(`[negative:0.5]`)을 통한 단계별 제외 기법이 구조적 무결성에 기여하는 바는? [S45, S1128]
|
|
|
|
### 실무 적용 맥락 (Practical Application Contexts)
|
|
- **Implementation:** e-커머스 제품 이미지 자동 생성 시의 일관된 배경 관리 [S11, S14].
|
|
- **System Design:** API 요청 시 사용 사례(Portraits vs Logos)에 따른 네거티브 프리셋 자동 할당 시스템 [S1131, S1132].
|
|
- **Operation / Maintenance:** 모델 업데이트(SD 1.5 -> SDXL) 시 기존 네거티브 라이브러리의 성능 저하 진단 및 다이어트 전략 [S647, S1126].
|
|
|
|
## 🔗 지식 그래프 (Knowledge Graph)
|
|
- **상위/루트:** [[image Prompt 작성 방법]]
|
|
- **관련 개념:** [[Diffusion Models]], [[CFG Scale]], [[Weighting Syntax]], [[Visual Artifacts]]
|
|
- **참조 맥락:** 고품질 비주얼 에셋 제작 시 발생할 수 있는 해부학적/기술적 오류를 물리적 계층에서 사전 차단하기 위해 참조.
|
|
|
|
## 📚 출처 (Sources)
|
|
- [S11] Meteora Web Agency: E-commerce techniques
|
|
- [S42] 미드저니 핵심 파라미터 및 --no 제어 체계
|
|
- [S44] 스테이블 디퓨전 가중치 조절 수식 정의
|
|
- [S45] 역확산 과정의 반발 가드레일 물리 메커니즘
|
|
- [S46] 아키텍처 버전별 네거티브 구성 및 CFG 통제 기준
|
|
- [S47] 추상적 수식어와 구체적 형상 단위의 방어율 비교
|
|
- [S50] Flux.1 엔진의 가이던스 내재화 및 우회 기법
|
|
- [S170] DALL-E 3 자연어 기반 부정 기술 가이드
|
|
- [S180] DALL-E 3 구문 제약 및 속성 가이드
|
|
- [S215] Flux 모델의 프롬프트 가중치 미지원 및 구문형 강조 대안
|
|
- [S645] 네거티브 프롬프트 과부하의 부작용 분석
|
|
- [S646] AUTOMATIC1111: CFG 샘플링의 기술적 정의
|
|
- [S647] SD 1.5 vs SDXL 네거티브 행동 패턴 분리
|
|
- [S648] 3개 용어 전략(Three-Term Strategy) 수립
|
|
- [S649] 추상 용어(Ugly 등)의 학습 데이터 부재 진단
|
|
- [S1104] 네거티브 프롬프트의 실시간 가이던스 역할 정의
|
|
- [S1105] 목적지(Positive)와 경계(Negative)의 기능적 분리
|
|
- [S1107] CFG Scale과 회피 맵(Avoidance Map)의 상관관계
|
|
- [S1124] ECCV 2024: 네거티브 프롬프트의 시간적 지연 효과 연구
|
|
- [S1126] SDXL/Flux의 네거티브 슬롯 한계 및 효율화
|
|
- [S1130] 창작자를 위한 실무 네거티브 워크플로우 루프
|
|
- [S1132] 개발자를 위한 모듈형 네거티브 API 설계 패턴
|
|
- [S1176] 조각가와 치슬(Chisel)의 비유를 통한 프롬프트 설계 철학
|
|
- [S1177] 확산(Diffusion) 확률 공간 내에서의 개념 기피 원리
|
|
- [S1188] 텍스트 반전(Textual Inversion) 임베딩 기반의 네거티브 최적화
|
|
- [S1220] 미드저니 --no 파라미터의 데이터 수집 거부 원리
|
|
|
|
## 📝 변경 이력 (Change history)
|
|
- 2026-06-26: Initial draft generated via Datacollector_MAC P-Reinforce engine. 모델별 물리적 아키텍처 차이에 따른 네거티브 최적화 전략 합성 완료. |