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

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.

다른 이름: image generation, T2I, AI image generator

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

"해 질 녘 벽돌 벽에 기대 놓은 빨간 자전거"라고 입력하면 모델이 그에 맞는 이미지를 돌려줍니다. 내부에서는 텍스트 인코더가 프롬프트를 숫자로 바꾸고, 확산 모델이 그 숫자로 무작위 노이즈에서 그림으로 향하는 디노이징 과정을 이끕니다.

텍스트가 이미지를 이끄는 방식

Stable Diffusion의 바탕이 된 설계인 latent diffusion에서는 크로스 어텐션 레이어가 매 단계마다 텍스트를 만들어지는 이미지에 연결합니다. 가이던스 스케일은 모델이 프롬프트를 얼마나 강하게 따를지 조절합니다. 레이아웃이나 자세를 더 세밀하게 통제하려면 도구가 ControlNet을 더하거나, 이미지 투 이미지로 기존 그림에서 시작합니다.

개발자가 쓰는 용도

제품 목업, 마케팅 아트, 일러스트, 게임 에셋, UI 자리 표시자입니다. 호스팅 선택지로는 Midjourney와 Ideogram이 있고, FLUX.2 dev 같은 오픈 모델은 자신의 GPU에서 실행할 수 있습니다. 더 많은 내용은 이미지 모델을 참고하십시오.

한계

모델은 여전히 이미지 속 정확한 글자, 개수 세기, 손, 정밀한 공간 배치에 어려움을 겪을 수 있습니다. 출력은 학습 데이터에 달려 있어 스타일 모방과 라이선스 문제를 낳습니다. 결과는 기본적으로 무작위라서, 시드를 고정하지 않으면 같은 프롬프트에서 다른 이미지가 나옵니다. 생성된 이미지는 대개 인쇄하기에 너무 작아서 흔히 AI 업스케일러를 거칩니다.

관련 용어

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.
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.
가이던스 스케일(CFG)
가이던스 스케일(guidance scale), 또는 CFG 스케일은 확산 이미지 생성기에서 출력이 프롬프트를 얼마나 강하게 따를지 조절하는 설정입니다. 값이 높을수록 프롬프트를 더 충실히 따르지만 다양성이 줄어듭니다.
ControlNet
ControlNet은 텍스트 이미지 확산 모델이 텍스트 프롬프트에 더해 엣지 맵, 깊이 맵, 사람의 자세 같은 구조 가이드를 따르게 하는 신경망 애드온입니다.
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.

출처