용어집
Inference steps
다른 이름: sampling steps, denoising steps
모델이 출력을 만들기 위해 거치는 반복적 정제 패스의 횟수입니다. 일반적으로 단계가 많을수록 품질이 높아지지만, 모델별 임계값을 넘으면 수익 체감이 발생합니다.
자세히
실제로 어떤 의미인가
이미지 diffusion 모델은 무작위 노이즈에서 시작해 이를 반복적으로 디노이징하며 출력을 생성합니다. 각 반복이 하나의 "step"입니다. 일반적인 단계 수는 20(빠른 미리보기)에서 50+(고품질)에 이릅니다. 약 50단계를 넘으면 품질 향상은 대개 눈에 보이지 않고 생성 비용은 선형적으로 증가합니다.
비디오 모델도 비슷한 패턴을 따르지만 단계 수는 종종 추상화됩니다 — Sora 2, Kling, Veo는 모두 원시 단계 수 대신 단일 "품질" 파라미터를 노출합니다. 단계를 직접 노출하는 모델(SDXL, FLUX)의 경우 기본값이 적절한 품질/속도 절충에 맞춰 튜닝되어 있어, 사용자가 조정할 필요가 거의 없습니다.
관련 항목
CFG scale
모델이 텍스트 prompt를 얼마나 충실히 따르는지를 제어하는 파라미터입니다. CFG가 높을수록 더 문자 그대로 해석하고, 낮을수록 더 창의적 자유를 줍니다. 일반적 범위는 4-12입니다.
Seed
모델 내부의 난수 생성기를 초기화하는 숫자 값입니다. seed를 고정하면 출력이 재현 가능해집니다 — 동일한 prompt + 동일한 seed는 동일한 출력을 만듭니다.
Diffusion model
노이징 과정을 역행하도록 학습하는 AI 생성 모델의 한 부류입니다 — 순수한 노이즈에서 시작해 점진적으로 디노이징하여 prompt에 맞는 이미지나 비디오로 만듭니다.