본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

이미지 투 이미지

이미지 투 이미지(image-to-image)는 기존 이미지와 프롬프트로 새 이미지를 생성하는 작업으로, 원본 구조의 일부를 유지하면서 스타일, 디테일, 내용을 바꿉니다.

다른 이름: img2img, image editing, image transformation

작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식

텍스트 이미지 생성처럼 순수한 노이즈에서 시작하는 대신, 모델은 사용자의 그림에서 시작합니다. 거친 스케치를 완성된 일러스트로 바꾸거나, 사진을 그림처럼 바꾸거나, 풍경의 계절을 바꿀 수 있습니다.

작동 방식

흔한 img2img 방법은 SDEdit에서 나왔습니다. 입력 이미지에 정해진 양의 노이즈를 더한 뒤, 확산 모델이 다시 노이즈를 제거하게 합니다. strength 또는 denoise 설정이 노이즈의 양을 정합니다. 강도가 낮으면 원본의 대부분이 유지되고, 높으면 대략적인 형태와 색만 남고 프롬프트의 영향력이 커집니다.

지시 기반 편집

최신 모델은 "재킷을 파란색으로 바꿔"처럼 평범한 지시를 받아 이미지를 직접 편집하며, 요청한 것만 바꾸는 것을 목표로 합니다. Qwen Image Edit 2511이 공개된 예입니다. 이런 모델은 이미지 편집 모델이라고도 부릅니다.

관련 용어

인페인팅은 마스크를 씌운 영역만 편집합니다. ControlNet은 이미지 전체가 아니라 엣지, 깊이, 자세 같은 특정 구조를 유지합니다. AI 업스케일러로 하는 업스케일링도 해상도에 초점을 맞춘 이미지 투 이미지 작업입니다.

한계

입력에 충실한 것과 프롬프트를 따르는 것 사이에는 맞교환이 있습니다. 얼굴과 작은 글씨는 강도가 낮아도 원치 않게 바뀔 수 있습니다.

관련 용어

인페인팅과 아웃페인팅
인페인팅(inpainting)은 이미지에서 마스크를 씌운 영역을 그림의 나머지와 어울리는 새로 생성한 내용으로 채우는 것입니다. 아웃페인팅(outpainting)은 같은 개념을 가장자리 바깥에 적용해 이미지를 프레임 너머로 넓히는 것입니다.
텍스트 투 이미지(Text-to-image)
텍스트 투 이미지(text-to-image)는 프롬프트라고 부르는 글 설명으로부터 새 그림을 생성하는 작업입니다. 현재 대부분의 텍스트 투 이미지 모델은 텍스트를 조건으로 하는 확산 모델입니다.
ControlNet
ControlNet은 텍스트 이미지 확산 모델이 텍스트 프롬프트에 더해 엣지 맵, 깊이 맵, 사람의 자세 같은 구조 가이드를 따르게 하는 신경망 애드온입니다.
확산 모델
확산 모델(diffusion model)은 여러 단계에 걸쳐 노이즈를 조금씩 제거하면서 무작위 노이즈를 이미지 같은 데이터로 바꾸는 법을 배우는 생성 모델입니다.
AI 이미지 업스케일링
AI 이미지 업스케일링(AI image upscaling), 또는 초해상도(super-resolution)는 신경망으로 이미지를 확대하면서 그럴듯한 디테일을 채워 넣어, 단순한 크기 조정보다 결과가 더 선명해 보이게 하는 기술입니다.

출처