임베딩
임베딩이란?
임베딩은 개념, 스타일, 또는 피사체를 컴팩트한 수치 표현으로 담아낸 것으로, AI 모델이 이미지 생성을 안내하는 데 사용하며, 소규모 예시 세트로 학습해 만들어집니다.
한눈에 보기
- 다른 이름
- 텍스트 인버전 임베딩TI 임베딩학습된 토큰개념 임베딩
- 주요 용도
- 생성 프롬프트에서 사용할 특정 시각 스타일이나 피사체 인코딩전체 파인튜닝 없이 가벼운 모델 맞춤화생성 워크플로에 반복 캐릭터나 미적 개념 추가시각 스타일과 피사체를 컴팩트한 파일로 커뮤니티에 공유
- 주로 쓰이는 도구
- Stable diffusion with textual inversion trainingAUTOMATIC1111 embedding training interfaceCommunity embedding libraries
지금 만들어 볼까요?
장면을 연출하고, 캐릭터를 디자인하고, 한 편의 영화까지 완성하세요
단순하고 투명한 요금제, 속도 제한 없음, 무한한 Canvas로 창의력을 극대화하는 올인원 AI 크리에이티브 플랫폼.
다른 개념과의 비교
Compared with related concepts
임베딩 대 LoRA: 임베딩은 생성을 안내하는 데 사용되는 텍스트 컨디셔닝 벡터만을 수정하며, 베이스 모델이 이미 알고 있는 것의 제약 안에서 작동합니다. LoRA는 모델의 처리 레이어에 직접 적용되는 추가적인 가중치 조정을 학습하여, 단지 무엇을 프롬프트로 주느냐가 아니라 모델이 정보를 처리하는 방식 자체를 수정하기 때문에 더 포괄적이고 유연한 맞춤화를 제공합니다. 임베딩은 더 가볍고 빠르게 학습됩니다. LoRA는 특히 베이스 모델 학습에서 잘 표현되지 않은 피사체에 대해 더 강력하고 안정적인 맞춤화를 제공합니다.
프로 팁
Stable Diffusion 워크플로에서 커뮤니티 임베딩을 사용할 때는 항상 기본 가중치 1.0을 쓰지 말고, (embedding_name:0.8)이나 (embedding_name:1.2)처럼 프롬프트 안에서 각 임베딩을 서로 다른 가중치 값으로 테스트해 보세요. 일부 임베딩은 다른 강도로 학습되어 기본값보다 약간 높거나 낮은 가중치에서 더 잘 작동합니다. 0.7에서 시작해 0.1 단위로 올려 보면, 임베딩된 개념을 나머지 프롬프트와 가장 유용하게 어우러지게 하는 가중치를 빠르게 찾아낼 수 있습니다.
유형과 변형
- 피사체 임베딩은 특정 인물, 캐릭터, 또는 객체의 시각적 정체성을 인코딩하여, 학습된 토큰을 프롬프트에 포함시키는 것만으로 그 대상을 불러올 수 있게 합니다.
- 스타일 임베딩은 예술적 스타일, 일러스트 기법, 또는 시각적 특질의 미적 특성을 포착하여, 이후 어떤 생성 콘텐츠에도 적용할 수 있습니다.
- 네거티브 임베딩은 크리에이터가 장려하기보다는 억제하고자 하는 시각적 특질을 나타내도록 학습되며, 네거티브 프롬프트 필드에 사용되어 특정한 원치 않는 특성이 결과물에 나타날 가능성을 줄입니다.
- 더 큰 토큰 예산으로 학습된 멀티 벡터 임베딩은 더 많은 학습 자원을 들이는 대신 더 복잡한 개념을 포착할 수 있습니다.
Morphic에서 첫 장면을 만들어 볼까요?
Morphic 체험하기주요 활용 사례
- 전체 DreamBooth 학습 없이도 프롬프트에서 참조할 수 있는, 반복 등장 캐릭터나 브랜드 요소를 위한 가벼운 임베딩 생성.
- Stable Diffusion 커뮤니티 안에서 예술적 스타일이나 미적 특질을 작은 임베딩 파일로 공유.
- 유연하고 모듈식인 생성 제어를 위해 프롬프트에서 조합할 수 있는 스타일 및 피사체 임베딩 라이브러리 구축.
- 모든 생성 결과에 걸쳐 흔한 생성 아티팩트, 해부학적 오류, 또는 원치 않는 시각 특성을 억제하기 위한 네거티브 임베딩 활용.
- 특정 필름 그레인, 색 처리, 또는 구성 경향 같은 특정 시각 특질을 임베딩으로 인코딩하여 프로젝트 전반에 일관되게 적용.
지금 만들어 볼까요?
장면을 연출하고, 캐릭터를 디자인하고, 한 편의 영화까지 완성하세요
단순하고 투명한 요금제, 속도 제한 없음, 무한한 Canvas로 창의력을 극대화하는 올인원 AI 크리에이티브 플랫폼.
