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 낳 습니다. 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.