소개
SDXL 모델 은 이미지 생성 및 개선을 위한 강력한 기능을 제공하여 크리에이티브 워크플로우에서 인기 있는 선택이 되었습니다. 이 글에서는 베이스 모델과 리파이너 모델을 모두 사용하여 전체 SDXL 워크플로우를 설정하는 방법을 살펴보겠습니다. 이러한 모델을 효과적으로 활용하면 디테일과 예술적 효과가 향상된 고품질 이미지를 생성할 수 있습니다.
편의를 위해 여기에서 모델을 다운로드하세요.
- SDXL Base Model: Hugging Face에서 다운로드
- SDXL Refiner Model: Hugging Face에서 다운로드
모델을 다운로드한 후 폴더 “C:\Users\<username>\Documents\ComfyUI\models\checkpoints”에 넣으세요.
목차
SDXL이란?
Stable Diffusion XL (SDXL) 모델은 AI를 이용한 이미지 생성 분야에서 중요한 발전을 나타냅니다. Stability AI에서 개발한 이 모델은 이전 Stable Diffusion 버전의 성공을 바탕으로 초현실적이고 고해상도 이미지를 생성하기 위한 향상된 기능을 도입했습니다.
SDXL의 주요 기능:
- 2단계 워크플로우: SDXL은 두 가지 모델과 함께 작동하도록 설계되었습니다.
- 베이스 모델: 기본적인 특징, 질감, 구도를 갖춘 초기 이미지를 생성하는 역할을 합니다.
- 리파이너 모델: 디테일을 다듬고, 질감을 개선하고, 예술적 효과를 추가하여 생성된 이미지를 더욱 향상시킵니다.
- 고해상도 출력: SDXL은 최대 1024×1024픽셀 해상도를 지원하므로 디테일하고 고품질 이미지가 필요한 크리에이티브 프로젝트에 이상적입니다.
- 향상된 프롬프트 이해: 이 모델은 복잡한 프롬프트를 해석하는 데 뛰어나 사용자가 크리에이티브 비전에 맞는 고도로 맞춤화된 결과물을 만들 수 있게 합니다.
- 노이즈 관리: SDXL은 이미지 생성 중 노이즈를 관리하기 위한 고급 기술을 통합하여 베이스 단계와 리파이너 단계 사이를 더 부드럽게 전환할 수 있게 합니다.
- 다양한 스타일에 대한 다용도성: 포토리얼리즘, 추상 미술, 양식화된 출력 중 무엇을 목표로 하든 SDXL은 놀라운 유연성으로 다양한 예술 스타일에 적응합니다.
SDXL을 사용해야 하는 이유
SDXL은 창의성과 정밀함이 모두 필요한 워크플로우에 특히 유용합니다. 베이스 모델 과 리파이너 모델을 결합함으로써 사용자는 시각적으로 멋질 뿐만 아니라 고도로 맞춤화할 수 있는 결과를 얻을 수 있습니다. 이로 인해 SDXL은 디지털 아트, 그래픽 디자인, 비주얼 스토리텔링과 같은 분야의 전문가들에게 탁월한 선택이 됩니다.
SDXL 워크플로우 설정
1단계: 베이스 모델 구성
먼저, SDXL Base 1.0 checkpoint 를 워크플로우에 로드합니다. K Sampler Advanced Node 를 사용하여 이미지 생성 프로세스를 다듬으세요.
- Add Noise: 일반적인 확산 프로세스를 수행할 수 있도록 베이스 모델에 노이즈 추가를 활성화합니다.
- 단계 구성: 전체 단계를 30으로 설정합니다. 그러나 두 번째 샘플러 노드가 나중에 다듬을 수 있도록 약간의 노이즈를 남겨 두세요.
- Return with Leftover Noise 활성화: 이렇게 하면 잠재 공간에 약간의 노이즈가 남아 리파이너 모델이 처리할 수 있습니다.
설정할 매개변수:
- Add Noise: Enable
- End at Step: 20(30단계 중)
- Return with Leftover Noise: Enable
워크플로우를 실행하여 초기 이미지를 생성합니다. 나중에 비교할 수 있도록 이 이미지를 디스크에 저장하세요.
2단계: 리파이너 모델 설정
베이스 모델이 초기 이미지를 생성하면, SDXL Refiner Model을 사용하여 다듬을 차례입니다.
- Load Checkpoint: SDXL 리파이너 모델을 워크플로우에 로드합니다.
- 노이즈 추가 비활성화: 이미지에는 이미 베이스 모델의 노이즈가 포함되어 있으므로 리파이너 모델에서는 노이즈 추가를 비활성화합니다.
- 노드 연결:
- Positive Conditioning: 긍정 프롬프트를 리파이너 모델에 연결합니다.
- Negative Conditioning: 부정 프롬프트를 리파이너 모델에 연결합니다.
- Latent: 잠재 공간을 베이스 모델에서 리파이너 모델로 전달합니다.
설정할 매개변수:
- Add Noise: Disable
- Start at Step: 20
- End at Step: 30
- Control After Generate: Fixed
3단계: 워크플로우 최적화
프로세스를 간소화하려면, 프리미티브 노드 를 사용하여 베이스 모델과 리파이너 모델 간에 프롬프트를 전달하세요. 이렇게 하면 프롬프트를 수동으로 중복하는 것을 피하고 일관성을 보장할 수 있습니다.
- Primitive Node 를 사용하여 긍정 및 부정 프롬프트를 두 모델로 라우팅하세요.
- 프롬프트를 Clip Text Encode Conditioning Nodes 에 연결하세요(각 모델용).
4단계: 출력 저장 및 비교
이미지를 다듬은 후, Save Image Extended Node를 사용하여 최종 출력을 저장하세요. 이 노드의 메타데이터를 업데이트하여 리파이너 모델에서 올바른 데이터가 캡처되도록 하세요.
메타데이터 업데이트:
- Save Image Extended Node의 자리 표시자(예: 해시 기호)를 이 ID로 바꾸세요.
저장한 후 출력을 비교하세요.
- 베이스 모델 출력: 노이즈가 포함되어 있고 디테일이 부족해 보입니다.
- 베이스 + 리파이너 모델 출력: 노이즈가 제거되어 수채화 효과가 강화되고 디테일이 향상된 세련된 이미지가 생성됩니다.
참조용 프롬프트 예시
최상의 결과를 얻으려면 잘 만들어진 프롬프트로 시작하세요. 아래는 사용할 수 있는 긍정 및 부정 프롬프트의 예입니다.
긍정 프롬프트:
A fantasy castle surrounded by lush greenery, intricate architectural details, vibrant colors, and a glowing sunrise in the background, watercolor style, ultra-realistic, 4K resolution
부정 프롬프트:
Blurry, low-quality, distorted, overexposed, grainy, unrealistic proportions, poorly lit, low resolution
이러한 프롬프트는 크리에이티브 비전에 맞게 사용자 지정할 수 있습니다.
K Sampler Advanced Node의 주요 매개변수
두 모델에 사용되는 K Sampler Advanced Node 의 주요 매개변수 요약은 다음과 같습니다.
| 매개변수 | 베이스 모델 | 리파이너 모델 |
|---|---|---|
| Add Noise | Enabled | Disabled |
| End at Step | 20 | 30 |
| Return with Leftover Noise | Enabled | N/A |
| Control After Generate | N/A | Fixed |
SDXL 베이스 및 리파이너 모델 사용의 이점
워크플로우에서 베이스 모델과 리파이너 모델을 결합하면 다음과 같은 결과를 얻을 수 있습니다.
- 향상된 이미지 품질: 리파이너 모델이 잔여 노이즈를 제거하여 디테일을 향상시킵니다.
- 향상된 예술적 효과: 크리에이티브 결과물을 위한 더 나은 질감과 색상 혼합.
- 워크플로우 효율성: 프리미티브 노드를 사용하고 프롬프트를 라우팅하면 수동 입력 오류가 줄어듭니다.