Antigravity Agent
4.1 KiB
4.1 KiB
Negative Prompts
📌 Brief Summary
네거티브 프롬프트(Negative Prompts)는 AI 이미지 생성 모델에게 최종 결과물에 나타나지 말아야 할 요소들을 명시적으로 지시하는 텍스트 명령어입니다[1]. 이는 단순히 이미지를 다듬는 사후 필터가 아니라, 이미지 생성 과정(디퓨전) 중 원치 않는 개념이나 모델의 편향으로부터 방향을 틀도록 안내하는 핵심 제어 시스템 역할을 합니다[1, 2]. 긍정 프롬프트가 도달해야 할 목표를 정의한다면, 네거티브 프롬프트는 피해야 할 경계를 설정하여 고품질의 일관된 이미지를 도출하고 재작업의 낭비를 줄이는 데 필수적인 기법입니다[3-5].
📖 Core Content
-
작동 원리 및 중요성:
- 네거티브 프롬프트는 긍정 프롬프트(목표)와 함께 작동하여 피해야 할 지도(Avoidance map)를 모델에 제공합니다[3, 4].
- Stable Diffusion 2.0 이상의 모델에서는 네거티브 프롬프트를 통해 원하는 시각적 결과물에 도달하기 위한 반복 작업(Reroll)을 최대 80%까지 줄일 수 있습니다[5].
- 특히 모델이 학습 데이터로부터 자연스럽게 가지게 된 편향(예: 복잡한 자세에서의 여분의 팔다리, 원치 않는 텍스트, 플라스틱 같은 피부 질감 등)을 억제하고 일관된 품질을 얻는 데 효과적입니다[2, 6].
-
작성 전략 및 구체성:
- 광범위하고 모호한 단어(예: "bad", "ugly")보다는 발생하는 문제에 대한 구체적인 시각적 결함(예: "extra fingers", "misaligned eyes", "watermark")을 명시하는 것이 70% 이상의 실패를 줄이고 정밀도를 두 배로 높이는 핵심입니다[7, 8].
- 문제가 있는 이미지를 먼저 진단한 뒤에, 반복적으로 발생하는 결함을 해결하기 위한 최소한의 명확한 단어만을 사용하는 것이 좋습니다[8-10].
-
가중치 활용과 한계:
- 원치 않는 요소가 계속 나타날 때는
(blurry:1.3)과 같이 괄호와 숫자를 사용해 가중치를 주어 모델이 해당 개념을 회피하도록 강하게 유도할 수 있습니다[11]. - 하지만 길고 방대한 양의 부정적 단어를 붙여넣기보다는, 5~10개의 타겟화되고 가중치가 부여된 용어만을 전략적으로 사용하는 것이 이미지 충실도를 25% 향상시키고 개념의 혼란을 막는 데 유리합니다[7, 12].
- 원치 않는 요소가 계속 나타날 때는
-
플랫폼 및 모델별 접근법:
- Stable Diffusion: 별도의 네거티브 프롬프트 입력란을 활용하여 원치 않는 요소(예: deformed hands, low quality)를 차단하는 것이 표준 워크플로우입니다[13, 14].
- Midjourney:
--no파라미터를 사용하여 프롬프트 끝에 원치 않는 요소를 배제합니다(예: 나무를 빼고 싶다면--no trees입력)[15, 16]. - DALL-E 3: "not", "no", "without"과 같은 부정어 지시를 잘 이해하지 못하고, 오히려 프롬프트에 포함된 해당 요소를 이미지에 생성해 버리는 취약점이 있습니다. 따라서 피하고 싶은 것을 직접 언급하기보다는, 원하는 상태를 긍정적인 언어로 묘사하여 우회해야 합니다[17-19].
🔗 Knowledge Connections
- Related Topics: Positive Prompts, CFG Scale, Prompt Weights
- Projects/Contexts: Stable Diffusion Image Optimization, DALL-E 3 Negation Handling
- Contradictions/Notes: Stable Diffusion과 Midjourney(파라미터
--no활용)는 원치 않는 요소를 텍스트로 명시하여 완벽하게 배제하는 네거티브 프롬프팅이 잘 작동하지만, DALL-E 3는 "no", "without" 등의 부정어 처리에 취약하여 배제하려는 요소가 오히려 이미지에 포함될 확률이 높으므로 플랫폼 간 프롬프트 전략에 상반된 접근이 필요합니다[9, 16-19].
Last updated: 2026-04-30