LTX-2.3의 피부 압축 및 텍스처 아티팩트 해결 방법 (ComfyUI 공식 워크플로)

실용적 조언

'Resize Image/Mask'와 'Upscale Image By' 노드에서 보간 방식을 'Nearest (Exact)'로 설정하세요.
최종 업스케일 단계의 샘플러를 'Euler_CFG_PP'로 변경하여 미세 디테일 뭉개짐을 방지하세요.
LTXV Preprocess 노드의 compression 값을 0으로 설정하여 최상의 품질을 얻으세요.

섹션별 상세

이미지 리사이징 및 업스케일링 시 'Nearest (Exact)' 설정을 강력히 권장했다. Lanczos나 Bilinear 같은 부드러운 보간법은 초기 단계에서 미세한 블러를 유발하며, LTX 모델은 이 미세한 흐림을 증폭시켜 결과적으로 피부가 뭉개지는 아티팩트를 만든다. Nearest 방식을 사용하면 픽셀 경계를 명확하게 유지하여 모델이 디테일을 더 잘 파악할 수 있게 돕는다.

최종 업스케일 샘플링 단계에서 샘플러를 'Gradient estimation'에서 'Euler_CFG_PP'로 변경하는 것이 품질 개선의 핵심이다. 기존에 사용되던 Gradient estimation 방식은 미세한 피부 텍스처를 지워버리고 특히 어두운 피부톤에서 압축 노이즈를 심하게 발생시키는 문제가 확인됐다. 반면 Euler_CFG_PP는 이미지의 구조적 무결성을 유지하면서도 깨끗한 최종 프레임을 생성한다.

LTXV 전처리 노드의 압축 설정값을 기본값인 18에서 0~5 사이로 대폭 낮출 것을 제안했다. 이 값은 이미지 압축 강도를 조절하며, 낮을수록 원본의 디테일을 더 많이 보존할 수 있어 피부톤의 안정성을 확보하는 데 필수적이다. 압축률을 0으로 설정할 때 가장 깨끗하고 안정적인 결과물을 얻을 수 있다는 실험 결과를 공유했다.

커스텀 노드나 외부 워크플로를 추가하지 않고도 공식 환경 내의 파라미터 최적화만으로 문제의 90%를 해결할 수 있음을 입증했다. 많은 사용자가 품질 저하의 원인을 모델이나 VAE의 성능 부족으로 오해하여 복잡한 해결책을 찾으려 하지만, 실제로는 워크플로 내부의 인터폴레이션 방식이 근본 원인인 경우가 많다. 이러한 접근법은 시스템 복잡도를 낮추면서도 안정적인 결과물을 얻을 수 있는 효율적인 방법이다.

용어 해설

보간법(Interpolation): — 이미지 해상도를 변경할 때 주변 픽셀 값을 참조하여 새로운 픽셀 값을 계산하는 수학적 방식이다. 생성 AI 워크플로에서 부적절한 보간법은 초기 단계의 미세한 디테일을 손실시켜 최종 결과물에 뭉개짐이나 아티팩트를 유발하는 원인이 된다.
아티팩트(Artifact): — AI 모델이 이미지를 생성하거나 처리하는 과정에서 발생하는 의도치 않은 시각적 왜곡이나 노이즈 현상이다. 주로 픽셀이 깨지거나 질감이 부자연스럽게 뭉치는 형태로 나타나며, 모델 설정이나 데이터 압축 방식에 따라 품질 저하의 주된 요인이 된다.
샘플러(Sampler): — 잠재 공간의 무작위 노이즈에서 단계적으로 노이즈를 제거하여 구체적인 이미지를 형성해가는 알고리즘이다. 각 샘플러마다 계산 방식과 특성이 다르기 때문에, 특정 모델의 디테일 표현력을 극대화하기 위해서는 해당 모델에 최적화된 샘플러 선택이 필수적이다.

언급된 도구

ComfyUI추천

노드 기반 스테이블 디퓨전 GUI 및 워크플로 실행

LTX-2.3중립

고품질 비디오 생성 모델