Files
2nd/10_Wiki/Topics/매개변수 (Parameters).md
T

4.6 KiB

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit
id title category status canonical_id aliases duplicate_of source_trust_level confidence_score tags raw_sources last_reinforced github_commit
wiki-2026-0507-013 매개변수_범용_제어_규격 10_Wiki/Topics verified self
Parameters
매개변수
파라미터
Command Parameters
none B 1.0
AI
Image Generation
Parameters
Midjourney
Stable Diffusion
Prompt Engineering
직접 입력
2026-05-07 pending

매개변수_범용_제어_규격

📌 한 줄 통찰 (The Karpathy Summary)

매개변수는 자연어 묘사만으로 통제하기 어려운 이미지의 종횡비, 예술적 해석 강도, 일관성 등을 수치와 명령어로 정밀 타격하는 기술적 제어 체계다.


📖 구조화된 지식 (Synthesized Content)

추출된 패턴:

매개변수는 프롬프트의 '내용'이 아닌 생성 환경의 '규격'을 정의하며, 플랫폼마다 문법적 방언(하이픈 vs 괄호)이 존재하므로 대상 모델에 맞는 최적화된 명령 체계를 구사해야 한다.

세부 내용:

  • Midjourney 매개변수 구조:
    • 프롬프트 맨 뒤에 배치하며 이중 하이픈(--)으로 시작.
    • 기본형: --ar (비율), --q (품질), --v (버전).
    • 심미형: --s (예술적 개입), --c (카오스/다양성), --w (위어드/기이함).
    • 참조형: --cref (인물), --sref (스타일), --oref (사물/옴니).
    • 최적화: --draft (빠른 시안 생성).
  • Stable Diffusion 제어 방식:
    • 텍스트 내 가중치 삽입((단어:1.1)) 및 부정 프롬프트 영역 활용.
    • 전역 설정: CFG Scale (지시 준수율), Sampling Steps (노이즈 제거 단계).
  • 공통 제어: --no (MJ) 또는 Negative Prompt (SD)를 통한 원치 않는 요소 배제.

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

  • 이미지 생성 시 텍스트 묘사만으로는 비율이나 스타일 강도가 조절되지 않을 때.
  • 특정 브랜드 규격(예: 16:9 비율)에 맞는 시안을 뽑아야 할 때.
  • 생성 비용을 아끼면서 많은 양의 초기 아이디어를 테스트해야 할 때.

언제 이 지식을 쓰면 안 되는가:

  • 매개변수 입력을 지원하지 않는 단순 챗봇이나 텍스트 전용 LLM을 사용할 때.

이 지식을 적용할 때의 권장 절차:

  1. 규격 정의: --ar로 최종 결과물의 화면 비율을 먼저 설정.
  2. 모델 선택: --v를 통해 프로젝트에 적합한 모델 버전 지정.
  3. 강도 조절: --s 값을 높여 예술성을 더하거나, 낮춰서 텍스트 충실도를 확보.
  4. 일관성 확보: 장기 프로젝트인 경우 --cref/sref/oref를 통해 시각적 자산을 고정.

주의사항 또는 알려진 한계:

  • 매개변수는 서로 간섭할 수 있음(예: 높은 --chaos--sref의 일관성을 저해할 수 있음).
  • 문법 오타(하이픈 누락, 공백 미비 등)는 매개변수 전체의 작동을 멈추게 하므로 엄격한 문법 준수가 필요함.

🧪 검증 상태 (Validation)

  • 정보 상태: verified
  • 출처 신뢰도: B
  • 검토 이유: 해당 없음

🧬 중복 검사 (Duplicate Check)

  • 기존 유사 문서: 매개변수 (Parameters)
  • 처리 방식: UPDATE
  • 처리 이유: 기존 지식을 P-Reinforce v3.0 규격으로 마이그레이션하고 플랫폼별 최신 파라미터(V7 등)를 반영함.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

  • 과거 데이터와의 충돌: 없음
  • 정책 변화: 자연어 묘사보다 파라미터 제어를 통한 '결정론적 생성(Deterministic Generation)'의 비중을 높임.

🔗 지식 연결 (Graph)


🕓 변경 이력 (Changelog)

날짜 변경 내용 처리 방식 신뢰도
2026-05-07 P-Reinforce v3.0 규격으로 마이그레이션 및 내용 보강 UPDATE B