어쩌다보니

프로틴은 우리 몸의 기능을 유지하고 발전시키는데 중요한 역할을 하는 필수 영양소입니다. 특히 운동하는 사람들에게는 더욱 중요한데 이는 근육의 회복과 성장을 촉진하는데 도움을 주며 일상적인 활동 또는 스포츠 성적 향상에도 도움을 주기 때문입니다. 프로틴을 섭취 함으로 얻을 수 있는 좋은 점에 대해 알아보겠습니다.

프로틴의 역할

프로틴은 우리 몸의 주요 구성 성분 중 하나로 근육 피부 모발 등의 조직을 구성하는데 필수 요소입니다. 우리 몸의 기능을 유지하는데 필요한 항체 효소 그리고 호르몬 등등의 생성에도 관여하며 특히 고강도의 운동 또는 일반적인 운동을 하는 경우에도 근육 회복 그리고 성장에 도움이 되기 위하여 프로틴 섭취가 필요합니다.

1. 운동 후 프로틴의 섭취의 중요성은 말을 하지 않아도 알 정도로 중요합니다. 운동 후에는 근육이 손상되고 단백질 필요량이 증가하는데 이는 근육 회복과 성장에 프로틴 공급이 필요함을 의미합니다. 특히 대부분의 트레이너들이 운동 후 30분 이내에 충분한 양의 프로틴을 섭취하라고 권장하는데 이는 근육 회복을 빠르게 하기에 도움이 되기 때문입니다. 그래서 특히 저지방, 고 단백질의 식사나 보충제를 섭취 권장 하고 있습니다. 

2. 근육 성장을 촉진하는 프로틴. 근육을 성장시키기 위해서는 충분한 양의 프로틴이 필요합니다. 프로틴은 우리 몸의 근육을 구성하는데 필요한 아니노산 제공 특히 근육 성장 촉진을 하는데 중요한 역할을 합니다. 하지만 충분한 양의 프로틴을 먹기 위해서는 생각보다 많은 양의 음식을 섭취해야 됩니다. 그래서 운동하는 경우에는 시중에서 저렴한 가격 또는 합리적인 가격대로 형성된 여러 프로틴 보충제를 구매 그리고 섭취합니다. 만약 고단백의 식사가 불가능할 경우 프로틴 보충제라는 다른 방법이 있으니 참고해야 됩니다.

3. 프로틴은 운동을 통해 체지방 감소에 도움을 줄 수 있습니다. 운동을 할 시에 땀이 나는 수준까지 웜업을 한 뒤 고중량의 운동을 하게 된다면 체내의 지방이 연소되고 그 뒤에 프로틴을 섭취하게 되면 열량을 소모하고 지방 연소를 도와 신진대사 촉진을 도와줍니다. 특히 충분한 프로틴의 섭취와 운동이 조합된다면 더 빠른 효과를 낼 수 있습니다. 한 끼 식사 대신 섭취 할 경우 고단백 저지방의 효과를 줄 수 있어서 효과가 있습니다.

4. 근육 강화와 운동능력 향상에도 도움을 줄 수 있습니다. 충분한 양의 프로틴을 섭취라게 되면 근육의 성장과 힘을 발휘하는데 도움을 주며 이는 운동 성과 또는 능력 향상을 의미합니다. 또한 근육의 회복 과정에서 더욱더 효과적인 성장에 도움이 됩니다.

프로틴 왜 먹나요?

프로틴은 운동을 하고 있는 사람들에게 매우 중요한 영양소입니다. 근육의 전반적인 회복과 성장 체지방 감소 신진대사 촉진 그리고 운동 성능 향상등의 다양한 혜택을 제공하며 우리가 조금 더 좋은 환경의 삶을 유지하고 건강하게 살아가는데 도움을 줍니다. 따라서 충분한 프로틴의 섭취와 운동의 조합으로 건강에 긍정적인 영향을 주기 때문에 여러 방향의 적정량의 프로틴 섭취는 도움이 됩니다. 현제 시장에는 여러 가지 맛의 프로틴이 출시되고 있으니 시간이 없어서 식사가 불가능할 경우  한 끼 식사 대체로도 나쁘지 않은 선택이 될 수 있습니다.

크레아틴 HCL은 운동 성능 향상과 근육 성장을 위해 많은 사람들이 관심을 갖는 보충제 중에 하나입니다. 이 제품은 크레아틴과 염산염(HCL)을 결합한 것으로, 일반적으로 크레아틴 모노하이드레이트와 비교할 때 소화 흡수가 더 빠르고 용이하다고 합니다.

크레아틴 HCL의 작용 방법

1. 크레아틴 HCL은 주로 다른 크레아틴 종류와 같이 근육 세포 내에서 에너지 공급에 관여합니다. 신체 내에서 크레아틴은 인과 결합합니다 이 과정에서 에너지가 생산되어 고강도 운동 시에 근육의 힘과 운동 효율을 향상하는데 도움이 됩니다.

2. 크레아틴 HCL은 연산염과 결합되어 있어서 소화 시 크레아틴 모노하이드레이트보다 더 낮은 PH 환경에서 소화된다고 합니다. 소화 흡수가 향상되어 작은 용량에서도 큰 효과를 발휘할 수 있다고 합니다. 이를 통해 가격 대비 효율을 챙길 수 있어서 가성비 제품으로도 설명할 수 있습니다. 또한 소화에 대한 부작용이 줄어들 수도 있어서 기존 크레아틴 대비 소화 불량이나 설사 들의 문제가 적을 수도 있다고 합니다.

3. 크레아틴 HCL은 근육의 ATP 수준을 유지하여 고강도 운동 시 지속적으로 에너지를 공급하는데 도움을 준다고 합니다. 이로써 근육의 피로를 감소시키며 성능을 향상하는 것으로 알려져 있습니다. 또한 다른 크레아틴과 마찬가지로 근육의 수분 흡수도 촉진하여 근육 크기 증가에 효과가 있습니다.

용향 및 섭취 그리고 부작용 및 주의 사항

1. 크레아틴 HCL의 일반적인 요량은 750mg에서 1500mg 사이입니다. 보통의 크레아틴은 5g에서 10g 사이인 것을 계산했을 때 어마어마한 용량 차이가 보입니다. 보통 크레아틴은 운동 전 후로 섭취 권장되며 개인의 몸무게와 운동 수준에 따라 용량을 조절할 필요가 있습니다. 대략 45kg 당 크레아틴 HCL은 750mg씩 추가로 들어가는 걸로 보입니다.

2. 크레아틴 HCL은 다른 크레아틴과 같이 대부분의 사람들에게 안전하게 복용할 수 있지만, 과도한 섭취 시 소화 장애를 유발한다고 알려져 있습니다. 또한 수분 섭취가 부족할 경우 신장에 부담을 줄 수 있다고 알려져 있기 때문에 충분한 수분 섭취는 필수입니다. 고강도 운동에는 언제나 수분이 중요하기 때문에 중간중간에 적절한 수분 섭취가 필요하다고 알려져 있습니다. 물론 다른 운동 보조제와 같이 제품에 동봉되어 있는 사용법을 따르고 문제 발생 시 의사와 상담하여 적절한 용량과 복용 방법을 결정하는 것이 좋습니다.

결론

크레아틴 HCL은 근육 관련 보조제 중에 활발히 팔리고 있는 제품 중에 하나입니다. 물론 이 제품 또한 보조제 이기 때문에 고강도의 운동은 기본으로 있어야 근육 생성에 도움이 됩니다. 또한 부작용 또한 명확하기 때문에 반듯이 적절한 용량과 복용법을 지키며 항상 전문가의 조언을 구하고 안전하고 깨끗한 운동 생활을 하는 것이 좋을 것 같습니다.

크레아틴은 운동을 하는 사람이라면 한 번쯤은 들어본 보충제 중에 하나 일 것입니다. 크레아틴은 운동을 하면서 근육량을 늘리고 체력을 향상하고 싶다면 고려해 보아야 될 제품 중 하나입니다. 이 글에서는 크레아틴이란 무엇인지 어떻게 작용하는지 그리고 효능과 부작용에 대해 자세히 알아보겠습니다.

크레아틴 작용 그리고 효능

운동과 건강에 관심 있는 사람이라면 크레아틴에 대해 들어본 적이 있을 것입니다.

크레아틴은 운동 성과를 높이는 데 도움을 주는 인기 있는 보충제 중 하나입니다.

그러나 많은 사람들이 크레아틴이 정확히 어떻게 작용하는지를 모르고 있습니다.

그래서 이제부터 크레아틴의 효능에 대해 알아보겠습니다.

1. 에너지 생상 촉진: 크레아틴은 주로 근육 내에서 에너지를 생산하는 데 사용됩니다. 신속한 에너지 공급은 높은 강도의 운동에 도움이 됩니다. 크레아틴 보충은 근육의 빠른 에너지 생성에 도움을 줍니다.

2. 근육 성장 촉진: 크레아틴은 근육 세포의 부피를 늘리는데 도움을 줄 수 있습니다.  근육 세포 내에 수분을 유지시키는데 도움을 주면서 이를 통해 근육의 부피를 증가시키는 효과가 있습니다. 이는 근육 성장을 촉진하는데 도움이 됩니다. 그리고 표면적으로 빠르게 증가되는 근육을 보게 되면 정신적으로 도움을 주는 효과도 있습니다. 

3. 빠른 회복: 운동 후 근육의 회복은 중요합니다. 근육은 손상 후 회복 하는 과정에서 증가되기 때문입니다. 크레아틴은 근육 손상을 최소화하고 빠른 회복을 도와줍니다. 이는 연속적인 고강도 운동을 할 때 매우 유용합니다.

부작용과 결론

크레아틴은 운동 성과를 높이는데 매우 유용한 보충제입니다. 그러나 개인의 건강 상태와 목표에 따라 적절한 용량과 사용 방법을 고려해야 합니다. 보통 45kg의 체중 당 5g 크레아틴을 복용하는 것으로 알려져 있습니다. 그 이상의 복용을 했을 시 구토감과 복통이 따라올 수도 있으며 심할 경우 어지러움까지 유발하고 이 경우에는 오히려 운동에 방해됩니다. 과복용 및 장복용을 했을 경우 탈모 유발의 가능성도 제기되었습니다. 항상 전문가의 구하는 것이 중요합니다. 크레아틴은 단기적인 성과를 위한 것뿐만 아니라 장시적인 건강과 성과에 도움을 줄수도 있습니다.  함께 꾸준한 운동과 균형 잡힌 식습관을 유지한다면 최상의 결과를 얻을 수 있습니다.

지금 까지 스테이블 디퓨전 AI 이미지 생성 방식에 대해서 알아보았습니다. 이번에는 결과물을 생성해 보도록 하겠습니다. 많은 사람들이 AI 이미지 하면 떠올리시는 AI 이미지를 생성하기 위해서는 Checkpoint부터 시작해서 여러 가지 준비가 필요합니다. 이번에 사용된 Checkpoint는 Civitai에서 검색해서 무료로 받으실 수 있는 XXMix_9realistic 체크 포인트입니다. 그 외의 추가 Extension은 사용하지 않는 상태로 생성해 보도록 하겠습니다.

XXMix_9realistic 사용

 XXmix_9realistic checkpoint는 Civitai에서도 높은 추천수를 받고 있는 Checkpoint입니다.

지속적인 업데이트가 진행 중인 프로젝트이고 인터넷에서 보통 보시는 AI generated image들의 얼굴을 다수 포함 하고 있습니다.

만약 AI 이미지 생성에 관심 가진 이유 중 하나가 평상시 인터넷에서 보시던 이미지를 한번 생성해보고 싶어서 시작하셨다면 최적의 체크 포인트가 될 것 같습니다.

이미지는 클릭하시면 확대해서 보실 수 있습니다.

사용된 Prompt입니다.

1. Prompt - (a girl standing in Nature), masterpiece, best quality, (1 girl), 8k, very detailed, high detailed texture, cinematic illumination, volumetric lighting, black hair, elegant makeup

2. Negative Prompt - (nsfw:1.1), easy negative,ng_deepnegative_v1_75t,(worst quality:1.5),(low quality:1.5),(normal quality:2),low-res, bad anatomy, bad hands, normal quality,((watermark)), mark)), blurry, logo, disfigured face, morbid,

이미지 생성 가이드

1. 위의 이미지들은 전부 512 X 512 사이즈로 제작되어 얼굴이 중심이 된 이미지로 생성되었습니다.

만약 전체 샷을 원하는 경우 1024 X 1024 사이즈로 제작하시면 다른 프롬프트를 건들지 않고 생성 가능 합니다.

https://civitai.com/models/47274/xxmix9realistic 에서 Checkpoint는 다운로드하실 수 있습니다.

결론

현제 대부분의 AI 생성 이미지는 위의 얼굴로 제작되는 것을 보실 수 있습니다.

이는 AI 생성 과정에서 대칭 형 얼굴 중 보편적으로 인간이 아름답다고 생각되는 얼굴 형이 위의 얼굴입니다.

위의 얼굴에서 벗어나서 다른 얼굴 형으로 AI 이미지를 생성하시고 싶으시면 얼굴에 관한 프롬프트를 추가 입력 하시면 됩니다.

또는 얼굴 변경을 위하여 LORA를 추가하는 방법도 있습니다

그 이외에 방법으로는 다른 얼굴 형을 학습된 Checkpoint를 찾아 생성하는 방법도 있습니다.

파블로프의 개로 널리 알려진 고전적 조건 형성은 특정 자극을 준 후 무조건 자극과 무조건반응을 끌어내어 무조건 반사를 만들어 내는 것이다. 그리고 이를 통하여 조건 형성을 하여 조건 자극을 가해 조건반응을 끌어내어 조건 반사를 만들어내는 것이다. 이렇게 설명하면 무슨 말을 하고 싶은 건지 이해하기 힘들다. 그래서 파블로의 개 실험이 유명해진 이유로 이해를 쉽게 하게 도움이 되기 때문이다.

파블로프의 개 - 실험

아래의 실험 내용을 통해 쉽게 이해 해보자.

1. 강아지를 앞에 두고 종을 울려준다. (강아지는 잠깐 쳐다볼 뿐 특별한 반응이 없다) 지금 상태는 중성 자극이라 칭한다. 

2. 강아지에게 먹이를 준다. 그러면 강아지는 본능적으로 침을 흘리게 되어 있다. 이 현상을 묶어서 무조건 반사로 칭한다. 

3. 종을 울리고 약간의 시간 차를 준 후 먹이를 준다. 강아지는 먹이를 보고 침을 흘린다. 이 현상을 묶어서 조건 형성이라고 칭한다. 

4. 위의 조건을 여러 번 반복하여 강아지에게 종이 울리면 먹이를 준다라는 공식을 학습시킨다.

5. 이제 강아지는 종만 울려도 먹이 없이 침을 흘리게 된다. 이를 조건 반사라고 한다.

위의 실험을 통해 고전적 조건 형성을 만들 수 있다.

조건 형성의 대표적 사례

현재 미디어가 파블로프의 개 실험의 대표적인 사례라는 의견이 많다. 특히 광고에서 쉽게 찾아볼 수 있는데. 예를 들어 어떤 연예인이 A라는 제품을 광고한다고 가정했을 경우, 이 연예인의 이미지와 호감 그리고 인기도에 따라서 제품이 더 좋아 보이고 호감 갈 수 있게 된다는 내용이다. 실제로 그러한 경향이 많이 보이기 때문에 광고계에서는 이미지 좋고 인기 많은 연예인을 광고 모델로 사용하는 이유이다. 

스테이블 디퓨전의 샘플링 매소드에 대해서 알아보겠습니다. Stable diffusion Webui에서 이미지 생성 시 선택해야 될 내용 중 checkpoint 만큼 중요한 Sampling Method라는 항목이 있습니다. Sampling Method는 AI 이미지를 생성 시 Checkpoint와 더불어 어떤 방식으로 이미지를 만들지에 대한 방식을 선택하는 항목입니다. 이 값은 보통 Checkpoint 제작자가 어떤 Sampling Method에 맞게 제작되었는지 알려주지만 사용자의 목적에 맞게 변경해서 사용해도 괜찮은 항목입니다. 오히려 다양한 경험을 위해 여러 가지의 Sampling method를 선택 그리고 이미지를 생성해 보는 것도 나쁘지 않습니다.

Sampling Method 선택 방법

1. 스테이블 디퓨전 속 Sampling Method는 Generation Tab 아래에 바로 있습니다. DPM++ 2M Karras로 기본 설정 되어있습니다. 이미지 생성 시 대부분의 제작자는 DPM++ 2M Karras를 기본적으로 작동 되게 제작하기 때문에 웬만하면 변경하지 않아도 사용이 가능합니다. Sampling Method를 변경해서 여러 다른 느낌의 이미지를 얻을 수 있기 때문에 다른 방식도 사용해 보는 것도 좋습니다.

2. 아래에는 샘플링 이해를 위해 Sampling Method 값을 제외한 모든 설정을 동일하게 고정 후 AI 생성된 이미지입니다.

. 이미지는 클릭하시면 크게 보실 수 있습니다.

Euler	DPM++2MSDEKarras	DPM++2MSDE	DPM++3MSDE	DPM++3MSDEKarras

위의 사진들은 전부 같은 설정값을 가진 상태로 Sampling Method의 항목만 변경 후 생성 된 AI 이미지입니다.

Sampling Method는 여러 방식이 있습니다. 현재 사용 가능한 리스트로는 DPM++2M Karras, DPM++ SDE Karras, DPM++2M SDE Exponential, DPM++ 2M SDE Karras, Euler a, Euler, LMS, Heun, DPM2, DPM2 a, DPM++ 2S a, DPM++ 2M, DPM++ SDE, DPM++ 2M SDE, DPM++ 2M SDE Heun, DPM++ SDE Heun Karras, DPM++ 2M SDE Heun Exponetial, DPM++ 3M SDE, DPM++ 3M SDE Karras, DPM++ 3M SDE Exponential, DPM Fast, DPM adaptive, LMS Karras, DPM2 Karras, DPM2 a Karras, DPM++ 2S as Karras, Restart, DDIM, PLMS, UniPC 등이 있습니다. 그중에 보편적으로 그리고 많이 사용되고 있는 방식은 Euler a, DPM++ 2M SDE Karras입니다.

Sampling Method에 따른 결과

1. 샘플링 매소드 값에 따라 같은 값을 사용하여도 다른 느낌의 AI 이미지를 생성할 수 있습니다. 현재 사용 중인 Checkpoint로 생성했을 경우, Euler와 DPM++ 2M SDE Karras를 제외한 나머지 생성 된 이미지에서는 여러 가지 에러를 확인할 수 있습니다. 그 이유로는 여러 가지가 있지만 제일 큰 이유로는 사용 중인 Checkpoint가 Euler를 사용하도록 제작되었기 때문입니다. 위의 사진을 클릭 후 확대해서 보시면 알 수 있듯이 Euler Sampling Method가 제일 안정적이고 에러 없는 이미지를 생성해 주는 것을 볼 수 있습니다. Checkpoint 제작자의 목표 Sampling method가 Euler였기 때문입니다. 하지만 보는 이의 관점에 따라서는 DPM++ 2M  SDE Karras가 더 좋은 이미지라고 생각할 수 도 있습니다. 그렇기 때문에 Checkpoint 가 주로 사용하는 Sampling Method를 굳이 고집해서 사용할 필요 없이 다른 Sampling method를 사용 그리고 확인해 볼 필요가 있습니다.

스테이블 디퓨전의 샘플링에 대해서 알아보겠습니다.  스테이블 디퓨전 속 샘플링 스텝 설정은 AI의 이미지 생성 과정 중 이미지에서 노이즈를 제거하는 값입니다. 얼마만큼의 샘플링 스텝이 설정되는지에 따라서 이미지의 생성 속도, 노이즈는 얼마나 제거되는지, 그리고 디테일이 얼마나 살아나는지에 대해 차이가 발생합니다. Stable diffusion sampling steps의 값이 높을수록 노이즈를 제거하는 스텝이 증가하므로 조금 더 깨끗하고 선명한 이미지를 생성할 수 있습니다. 그러나 이 Sampling Steps의 값이 늘어나면 늘어날수록 걸리는 시간이 증가하기 때문에 적절한 값을 찾아 사용해야 됩니다.

How to : Stable Diffusion Sampling Steps

1. 스테이블 디퓨전의 Sampling Steps 값을 이해하기 위해서는 여러 값을 고정 후 Sampling Steps의 값만 변경하여 AI 이미지를 생성하면 이해하기 편합니다.

2. 아래에는 이해하시기 편하게 Sampling Steps 값을 제외한 모든 설정을 동일하게 고정 후 Generate 된 이미지 들입니다.

이미지는 클릭하시면 크게 보실 수 있습니다.

S.S 값 - 150	S.S 값 - 100	S.S 값 - 50	S.S 값 - 30	S.S 값 - 20	S.S 값 - 10	S.S 값 - 1

위의 사진들은 전부 같은 설정값을 가진 상태로 Stable Diffusion Sampling Steps 값만 변경 후 생성한 AI 이미지입니다. 사용된 Prompt는 masterpiece, best quality, pov, raw, realistic, solo, beautiful, light sky-blue eyes, red lips, 8k, Very detailed, high detailed texture, cinematic illumination, volumetric lighting, black hair, simple white background, glossy lips, 로 입력 하였습니다. 하지만 위의 사진들과 같이 Sampling Steps 값에 따른 사진의 결과물의 디테일 차이가 생기는 것을 알 수 있습니다. 

Stable diffusion Sampling Steps에 따른 사진 결과

1. Stable diffusion sampling steps - 150부터 50 사이의 경우에는 AI 이미지의 디테일의 차이를 거의 찾아볼 수 없을 정도로 흡사한 것을 보실 수 있습니다. 그 이유로는 Sampling Steps 값이 30 이후부터는 샘플링 스텝 단계에서 제거되어야 할 노이즈값이 0에 거의 근접하기 때문입니다. 샘플링 스텝의 값이 높으면 높을수록 한없이 0에 가까워지나 30 이후부터는 인간의 눈으로 구별을 할 수 있을 노이즈들이 대부분 제거되었기 때문에 한 장의 AI 이미지 생성을 위한 시간과 결과물의 디테일의 사이에서 선택을 해야 되기 때문에 Sampling Steps은 보통 20~30 사이로 설정합니다.

2. Stable diffusion sampling steps - 30부터 20 사이의 경우에는 AI 이미지의 디테일의 차이를 자세히 본다면 찾아볼 수 있습니다. 이유로는 30 아래의 샘플링 스텝의 값은 아직 인간의 눈으로 구별 가능한 노이즈를 제거하는 단계 이기 때문입니다. 하지만 20~30 사이의 샘플링 값은 이미 충분히 디테일한 AI 이미지를 생성할 수 있기 때문에 최소한의 시간 대비 좋은 품질을 생성하기에는 적당한 값입니다.

3. Stable diffusion sampling steps - 10부터 1 사이의 경우에는 AI 이미지의 디테일이 너무 떨어집니다. 이 단계의 샘플링 스텝은 인간의 눈으로 이해하기에는 많은 오류와 노이즈가 있기 때문에 원하던 이미지를 생성할 수 없거나 또는 이미지 자체가 생성되지 않는 경우를 볼 수 있습니다. 이 단계의 결과물은 디테일의 문재가 많기 때문에 거의 사용이 불가능 한 단계입니다.

Stable diffusion Sampling Steps 값은 들어가는 시간과 리소스를 계산했을 때 20에서 30 사이가 가장 합리적인 값입니다.

Stable Diffusion 속 CFG scale 설정은 AI 이미지를 생성 시 얼마나 Prompt를 충실히 이해하고 입력하는지를 나타내는 값입니다. CFG sacle 설정을 통하여 프롬프트로 얼마나 강력하게 제어해서 AI 이미지를 만들어 낼지 정할 수 있습니다. 대부분의 스테이블 디퓨전 속 CFG scale 은 7로 설정되어있고 대부분의 작업물에 7은 안전하고 그리고 prompt를 어느 정도 따라 가게 할 수 있는 범위입니다. prompt가 얼마나 상세히 설정되었는지 또는 얼마나 AI가 이해하기 쉽게 입력이 되어있는지에 따라 범위를 늘리고 줄이고 하면서 설정할 필요가 있는 값입니다.

How to: Stable diffusion CFG Scale

1. 스테이블 디퓨전의 CFG scale 값을 이해하기 위해서는 prompt 및 여러 값들은 전부 고정 후 CFG scale 값만 변경해서 이미지를 생성해보시는 게 이해하시기 편합니다.

2. 아래에는 이해 하시기 편하게 CFG 값을 제외한 모든 설정을 동일하게 고정 후 generate 된 이미지들입니다.

이미지는 클릭하시면 크게 보실 수 있습니다.

CFG Scale - 1	CFG Scale - 7	CFG Scale - 13	CFG Scale - 20	CFG Scale - 26	CFG Scale - 30

 위의 사진들은 전부 같은 seed 값과 설정값 그리고 똑같은 프롬프트를 가지고 CFG scale 값에만 변화를 주어 생성한 이미지입니다. 사용된 Prompt에는 (A cute girl standing in front of a house), (Lucxery expensive house), (A pool next to the house), masterpiece, best quality, light sky-blue eyes, red lips, 8k, detailed, detailed texture, 로 입력 하였습니다. 하지만 위의 사진들과 같이 CFG Sacle에 따라 사진의 결과물이 천차만별로 나오는 것을 알 수 있습니다.

Stable diffusion CFG Scale에 따른 사진 결과

1.CFG Scale - 1의 경우에는 사진 속 주체가 되는 main object를 제외한 다른 물건들은 기괴하거나 완성되지 않는 모습으로 나오는 것을 확인하실 수 있습니다. 이 경우에는 AI가 Prompt를 제대로 이해 하기 위해 여러번 생각을 하지 않는 상태로 생성된 이미지 입니다. 말 그대로 prompt가 재대로 적용되지 않는 모습을 보여줍니다.

2. CFG Scale - 7의 경우에는 주 메인 오브젝트를 제외한 나머지 사물들도 꽤 정교하게 만들어졌습니다. CFG Sacle 7 이상부터는 기본 defualt 값으로 설정되어있는 만큼, 기대하는 최소치의 퀄리티를 제공해주고 있습니다. 입력된 prompt 도 대부분 나오며 나쁘지 않은 결과 물을 보여 줍니다.

3. CFG Scale - 13의 경우에는 7보다 조금 더 prompt에 가깝게 만들어지며 조금 더 현실에 가깝게 제작됩니다. 빛에 관련된 내용이 추가로 들어가면 빛 반사 또는 빛의 방향을 계산해서 만들어 주고 이미지의 깊이 감도 추가로 늘려줍니다. 제일 중요한 점은 Prompt가 제대로 입력되었다는 가정 하에 제작되면 최고치를 뽑아낼 수 있는 값으로 생각됩니다.

4. CFG Scale - from 20 to 30의 경우에는 사용의 거의 불가능하다고 생각됩니다. 이유로는 여러 가지가 있겠지만, 생성된 AI 이미지 결과물이 너무 기괴하고 현실적이지 않다는 이유가 있습니다. 이 단계의 값부터는 Prompt가 AI를 위한 단어들을 사용해야 되며 감정를 배제한 단어로 사용 해야되며 명확한 단어만 사용되어야 합니다.