Z Image와 2단계 샘플러를 활용한 고해상도 이미지 생성 워크플로우

커뮤니티 반응

작성자의 구체적인 파라미터 공유에 대해 긍정적인 반응이며, 특히 저해상도 시작 후 대폭 업스케일링하는 방식의 효율성에 주목하고 있습니다.

주요 논점

01찬성다수

초저해상도에서 구조를 잡고 업스케일링하는 방식이 시간 대비 품질 면에서 매우 효율적이다.

02중립소수

Klein 9b 모델의 성능 저하 문제에 대해 설정값의 문제인지 모델 자체의 한계인지에 대한 논의가 필요하다.

합의점 vs 논쟁점

합의점

비디오 생성을 위한 기초 작업으로서 고품질 이미지 파이프라인의 중요성
2단계 샘플링 시 디노이즈 값 조절이 결과물의 일관성에 미치는 영향

논쟁점

Klein 9b 모델의 실질적인 활용 가치와 성능 최적화 가능 여부

실용적 조언

고해상도 작업 시 288px 내외의 낮은 해상도에서 1.0 디노이즈로 구조를 먼저 잡고 시작할 것
잠재 공간 업스케일링 후 두 번째 샘플러의 디노이즈를 0.6 수준으로 유지하여 디테일을 보강할 것
AIMMS v1.0.1 업데이트를 적용하여 스토리보드 관리 및 프리뷰 다운로드 효율을 높일 것

섹션별 상세

고해상도 이미지 생성을 위해 초저해상도에서 시작하는 2단계 샘플러 전략을 사용했다. 288x128(2.39:1 비율) 해상도에서 1.0 디노이즈와 4 CFG로 기본 구조를 먼저 생성한 뒤 이를 잠재 공간에서 6배 업스케일링한다. 이후 두 번째 샘플러에서 0.6 디노이즈를 적용하여 디테일을 완성하는 방식이 가장 일관된 품질을 보였다. 초기 생성 속도를 극대화하면서도 최종 결과물의 미학적 완성도를 유지하는 데 효과적이다.

Qwen 모델을 활용하여 얼굴 디테일을 정교하게 보정하는 기법을 워크플로우에 통합했다. 낮은 디노이즈 설정을 통해 Qwen 모델이 얼굴의 특징을 세밀하게 다듬도록 유도하며 이를 텍스트 투 이미지(t2i) 파이프라인의 핵심 단계로 배치했다. 비디오 생성 모델의 성능이 향상됨에 따라 베이스가 되는 이미지의 품질이 중요해졌으며 이 워크플로우가 샷 설정의 기초가 된다. 정교한 이미지 편집이 비디오 품질에 직접적인 영향을 미친다는 점이 확인됐다.

자체 개발한 스토리보드 관리 도구인 AIMMS의 v1.0.1 업데이트와 특정 모델의 성능 문제를 논의했다. 업데이트를 통해 팝업 오류를 수정하고 프리뷰 창에서 우클릭으로 이미지와 비디오를 즉시 다운로드할 수 있는 기능을 추가하여 작업 속도를 개선했다. 한편 Klein 9b 모델의 경우 실행 속도가 느리고 결과물의 품질이 낮아 실무 활용에 어려움이 있다는 의문을 제기했다. 커뮤니티를 통해 해당 모델의 최적 활용법이나 설정 트릭에 대한 정보를 요청했다.

용어 해설

잠재 공간 업스케일링(Latent Upscale): — 이미지 생성 모델의 잠재 공간(Latent Space)에서 해상도를 높인 뒤 다시 샘플링하여 디테일을 추가하는 기법이다. 픽셀 단위 업스케일링보다 모델의 이해도를 반영한 정교한 결과물을 얻을 수 있어 고해상도 작업에 필수적이다.
디노이즈(Denoise): — 이미지 생성 과정에서 노이즈를 제거하며 새로운 정보를 채워넣는 강도를 조절하는 파라미터이다. 값이 낮을수록 원본 이미지의 구조를 유지하고, 높을수록 원본과 다른 새로운 디테일을 많이 생성한다.
CFG 스케일(CFG Scale): — 분류기 자유 가이드(Classifier-Free Guidance) 수치로, 모델이 사용자의 프롬프트 지시사항을 얼마나 엄격하게 따를지 결정한다. 값이 높을수록 프롬프트에 충실해지지만 이미지의 미학적 품질이 왜곡될 위험이 있다.

언급된 도구

AIMMS추천

스토리보드 관리 및 이미지/비디오 프리뷰 다운로드 도구

Z Image추천

작성자가 선호하는 미학적 특징을 가진 이미지 생성 모델/워크플로우

Klein 9b비추천

이미지 생성 모델