Files

T

Antigravity Agent f8b21af4be Wiki cleanup: error-doc removal, dedup merge, link normalization

10_Wiki/Topics 대규모 정리:
- 오류 캡처/미완성 stub 문서 227개 제거
- 교차폴더 중복 43클러스터 병합 (63파일 → redirect)
- 링크명 정규화: 깨진 링크 수정·redirect 직결·개념 매핑 ~2,400건
- 카테고리 MOC 6개 신규 생성
- Graph 섹션 미해결 related-keyword 링크 10,058건 제거

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

2026-05-20 23:52:15 +09:00

5.4 KiB

Raw Blame History

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

title

AI_이미지_생성_워크플로우

📌 한 줄 통찰 (The Karpathy Summary)

AI 이미지 생성은 단판 승부가 아닌, '초기 시안 탐색 -> 반복적 정교화 -> 부분 수정 및 확장'으로 이어지는 점진적이고 계층적인 워크플로우의 결과물이다. 모델마다 다른 언어적 이해도와 기술적 매개변수를 정확히 활용하는 것이 프로페셔널 생성의 핵심이다.

📖 구조화된 지식 (Synthesized Content)

추출된 패턴:

생성의 80%는 핵심 피사체와 구도를 잡는 초기 프롬프트에서 결정되며, 나머지 20%의 완성도는 부정 프롬프트 제어와 인페인팅/아웃페인팅 기술을 통한 미세 조정에서 완성된다. DALL-E 3는 자연어 설명 중심, Midjourney/SD는 기술적 매개변수 중심의 전략을 취한다.

세부 내용:

모델별 특화 전략:
- DALL-E 3:
  - GPT-4 기반의 고도화된 자연어 이해력을 활용.
  - 프롬프트를 문장 형태로 상세히 기술할수록 의도가 정확히 반영됨.
  - 의도가 왜곡될 경우 "Prompt exactly: [본래 프롬프트]"를 사용하여 모델의 자동 확장을 억제.
- Midjourney:
  - --ar (가로세로비), --stylize (스타일 강도), --chaos (다양성) 등 매개변수 중심의 제어.
  - --sref (Style Reference) 및 --cref (Character Reference)를 통한 이미지 일관성 유지.
- Stable Diffusion (SD):
  - LoRA, ControlNet 등 외부 모듈을 통한 결정론적(Deterministic) 제어.
  - 긍정/부정 프롬프트의 가중치 조절을 통한 픽셀 단위의 미세 조정.
반복적 정교화 (Iterative Prompting):
- 넓고 모호한 지시에서 시작해 구체적인 지시로 좁혀나가는 방식.
- 3~5번의 변형(Variation)을 통해 세부 사항을 다듬음.
사후 편집 기술:
- Inpainting (Vary Region): 원본 맥락을 유지하며 특정 부분만 수정/추가.
- Outpainting (Zoom/Pan): 캔버스 바깥 공간 확장 및 구도 재구성.
계층적 프롬프트 구조: 주체(Subject) -> 맥락(Context) -> 스타일(Style) -> 기술적 세부사항(Technical) 순의 논리적 배치.

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

상업적 수준의 고품질 이미지를 생성해야 할 때.
여러 장의 이미지를 하나의 프로젝트나 시리즈로 일관되게 제작해야 할 때.
생성 결과가 마음에 들지 않아 처음부터 다시 시작하는 대신 효율적으로 수정하고 싶을 때.

언제 이 지식을 쓰면 안 되는가:

단순 재미 위주의 일회성 생성이며, 결과의 정밀도가 중요하지 않을 때.

이 지식을 적용할 때의 권장 절차:

모델 선택: 의도가 복잡하면 DALL-E 3, 미적 퀄리티와 일관성이 중요하면 Midjourney, 정밀 제어가 필요하면 SD 선택.
시안 탐색: 간결한 프롬프트로 4~8개의 초기 시안 생성.
선택 및 변형: 가장 나은 시안을 골라 세부 키워드 추가 및 매개변수 조절.
결함 제거: 부정 프롬프트를 사용하여 시각적 결함 차단 (SD/Midjourney 필수).
최종 리터칭: 인페인팅/아웃페인팅으로 특정 부위 보정 및 구도 확장.

주의사항 또는 알려진 한계:

모델마다 부정어 처리 능력이 다르므로(SD는 강력, DALL-E 3는 취약), 플랫폼 특성에 맞는 전략 선택이 필수적임.

🧪 검증 상태 (Validation)

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

🧬 중복 검사 (Duplicate Check)

기존 유사 문서: AI Image Generation Workflow, DALL-E 3, DALL-E 3 대화형 프롬프트 생성, AI 이미지 생성 도구 및 매개변수, AI 이미지 생성 파이프라인 등
처리 방식: UPDATE
처리 이유: 이미지 생성 프로세스와 관련된 중복 문서들을 통합하여 DALL-E 3까지 아우르는 하나의 완성된 파이프라인 가이드로 강화함.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

과거 데이터와의 충돌: 없음
정책 변화: 단순 생성을 넘어 '드래프트-업스케일-편집'으로 이어지는 전문가용 워크플로우를 표준으로 설정.

🔗 지식 연결 (Graph)

Parent: 10_Wiki/Topics
Related: , 미드저니_매개변수_제어
Raw Source: 직접 입력

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-07	DALL-E 3 및 도구별 상세 파라미터 활용법 통합 업데이트	UPDATE	B

5.4 KiB Raw Blame History