2nd/10_Wiki/Topics/AI_and_ML/스테이블 디퓨전의 가중치 및 제어 시스템.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, verification_status, tags, raw_sources, last_reinforced, github_commit, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	verification_status	tags	raw_sources	last_reinforced	github_commit	tech_stack
wiki-2026-0508-스테이블-디퓨전의-가중치-및-제어-시스템	스테이블 디퓨전의 가중치 및 제어 시스템	10_Wiki/Topics	verified	self	SD Weight Control Stable Diffusion Weights Prompt Weighting ControlNet	none	A	0.9	applied	stable-diffusion weights controlnet image-generation prompt-engineering		2026-05-10	pending	language framework Python Diffusers/ComfyUI

스테이블 디퓨전의 가중치 및 제어 시스템

매 한 줄

"매 prompt weight + LoRA + ControlNet + IP-Adapter 의 의 4-layer 의 의 의 의 의 의 fine control 의 의.". Stable Diffusion 의 raw prompt-only 의 의 (2022) 의 의 modern (SD3.5, FLUX.1, SDXL Lightning) 의 의 multi-modal conditioning stack 의 의. 매 2026 의 의 ComfyUI graph + FLUX dev + LoRA stacking + IP-Adapter (face/style) + ControlNet (pose/depth/canny) 의 production pipeline.

매 핵심

매 control 의 layer

• Prompt weight: (token:1.3) — attention multiplier on text token.
• CFG scale: 1-15 — text conditioning strength (FLUX 의 의 distilled CFG).
• LoRA: rank-decomposed weight delta — <lora:name:0.8> 의 의 strength.
• ControlNet: structural conditioning (pose, depth, canny, scribble).
• IP-Adapter: image prompt — face / style 의 의 image 의 의 의.
• Regional prompting: spatial mask 의 의 prompt 의 의 의.

매 LoRA 의 의

• Rank (r): 4-128 — capacity (의 의 의 detail, 의 의 overfit).
• Alpha (α): scaling — effective_weight = alpha/rank × ΔW.
• Stacking: multiple LoRA — weight 의 sum 의 의 의 의 saturation.
• DoRA / LoHa: LoRA variants — better quality at low rank.

매 응용

1. Character consistency — IP-Adapter face + LoRA.
2. Style transfer — style LoRA + style reference IP-Adapter.
3. Pose control — OpenPose ControlNet.
4. Inpainting / outpainting — mask + ControlNet.

💻 패턴

Prompt weighting (compel / A1111 syntax)

# 매 increase weight
(beautiful:1.3) sunset, (highly detailed:1.5)

# 매 decrease weight
[blurry:0.7] background

# 매 nested
((cinematic lighting):1.2) photo of a [(crowd):0.8]

Diffusers + LoRA + ControlNet (2026)

from diffusers import FluxPipeline, FluxControlNetModel
from diffusers.utils import load_image
import torch

# 매 FLUX.1-dev + ControlNet
controlnet = FluxControlNetModel.from_pretrained(
    "InstantX/FLUX.1-dev-Controlnet-Union",
    torch_dtype=torch.bfloat16,
)
pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    controlnet=controlnet,
    torch_dtype=torch.bfloat16,
).to("cuda")

# 매 LoRA stacking
pipe.load_lora_weights("./loras/anime_style.safetensors", adapter_name="style")
pipe.load_lora_weights("./loras/character.safetensors", adapter_name="char")
pipe.set_adapters(["style", "char"], adapter_weights=[0.7, 0.9])

control_image = load_image("./pose.png")
image = pipe(
    prompt="a knight in shining armor, cinematic lighting",
    control_image=control_image,
    controlnet_conditioning_scale=0.6,
    guidance_scale=3.5,
    num_inference_steps=28,
).images[0]

IP-Adapter for face consistency

from diffusers import StableDiffusionXLPipeline
from transformers import CLIPVisionModelWithProjection

pipe = StableDiffusionXLPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0",
    torch_dtype=torch.float16,
).to("cuda")

pipe.load_ip_adapter(
    "h94/IP-Adapter",
    subfolder="sdxl_models",
    weight_name="ip-adapter-plus-face_sdxl_vit-h.safetensors",
)
pipe.set_ip_adapter_scale(0.7)  # 매 face strength

face_image = load_image("./reference_face.jpg")
result = pipe(
    prompt="cyberpunk warrior in neon city",
    ip_adapter_image=face_image,
    num_inference_steps=30,
).images[0]

LoRA training (PEFT, rank-16)

from peft import LoraConfig
from diffusers import StableDiffusionXLPipeline

lora_config = LoraConfig(
    r=16,
    lora_alpha=16,
    target_modules=["to_q", "to_k", "to_v", "to_out.0"],
    init_lora_weights="gaussian",
)
pipe.unet.add_adapter(lora_config)
# 매 의 train — 매 1000-3000 step 의 의 sufficient for character LoRA

ComfyUI workflow (JSON)

{
  "nodes": [
    {"id": 1, "type": "CheckpointLoader", "model": "flux1-dev.safetensors"},
    {"id": 2, "type": "LoraLoader", "lora": "char.safetensors", "strength": 0.9, "input": 1},
    {"id": 3, "type": "ControlNetLoader", "model": "flux-controlnet-union.safetensors"},
    {"id": 4, "type": "OpenPosePreprocessor", "image": "pose.png"},
    {"id": 5, "type": "KSampler", "steps": 28, "cfg": 3.5, "sampler": "euler"}
  ]
}

Regional prompting (mask-based)

# 매 left half: portrait, right half: landscape
from diffusers_regional import RegionalPipeline

pipe = RegionalPipeline.from_pretrained("stabilityai/sdxl")
masks = [
    {"mask": left_mask,  "prompt": "portrait of a woman, oil painting"},
    {"mask": right_mask, "prompt": "mountain landscape, sunset"},
]
image = pipe(masks=masks, base_prompt="cinematic, detailed").images[0]

CFG scale tuning

# 매 FLUX dev: 의 distilled — guidance_scale 3-5 의 의
# 매 SDXL: 6-9 의 의
# 매 too high → oversaturated, baked-in
# 매 too low → ignores prompt
for cfg in [2.0, 3.5, 5.0, 7.5, 10.0]:
    img = pipe(prompt=p, guidance_scale=cfg).images[0]
    img.save(f"cfg_{cfg}.png")

매 결정 기준

상황	Approach
Character consistency	IP-Adapter face + character LoRA
Pose / composition control	ControlNet (OpenPose, Depth, Canny)
Style transfer	Style LoRA OR IP-Adapter style
Fine detail emphasis	Prompt weight (token:1.3)
Production pipeline	ComfyUI graph (versionable, reproducible)
Quick iteration	Diffusers Python API

기본값: FLUX.1-dev + ControlNet Union + LoRA (style+char) + IP-Adapter face — 의 ComfyUI workflow 의 의.

🔗 Graph

• 부모: Diffusion_Models · Stable_Diffusion
• 응용: ControlNet · IP_Adapter
• Adjacent: ComfyUI · Prompt_Engineering · Image_Generation_Workflow

🤖 LLM 활용

언제: prompt scaffolding, ComfyUI node 의 의 explanation, LoRA training script generation. 언제 X: 의 visual quality judgement (의 human eval 의 의), 의 specific LoRA recommendation (의 CivitAI 의 의 평가 의).

❌ 안티패턴

• Over-weighted token ((x:2.0)): 매 attention collapse — artifact 의.
• Too many LoRA stacked: 매 weight saturation, 의 ugly mess (4+ 의 의).
• High CFG on FLUX: distilled model 의 의 의 — 의 SDXL recipe 의 의.
• ControlNet at 1.0: 의 strict — 의 0.4-0.7 의 의.
• Negative prompt on FLUX dev: 의 의 의 — 의 distilled 의 의.

🧪 검증 / 중복

• Verified (Diffusers docs, ComfyUI repo, Black Forest Labs FLUX paper, Stability AI release notes).
• 신뢰도 A.

🕓 Changelog

날짜	변경
2026-05-08	Phase 1
2026-05-10	Manual cleanup — SD weight + control system 의 의