맞춤 아트 스타일을 위한 생성적 AI 마스터하기: 아티스트를 위한 종합 가이드

생성적 AI는 아티스트에게 새로운 가능성을 열어주어 작업 흐름을 가속화하고 흥미로운 대안을 탐색하며 기술적 한계를 극복할 수 있게 해줍니다. 이 가이드는 아티스트가 고유한 스타일로 자산을 생성하기 위해 맞춤 LoRa(저순위 적응) 모델을 만드는 데 도움을 주는 데 중점을 둡니다. 이 과정을 따르면 아티스트는 AI로 생성된 창작물의 일관성과 스타일을 제어할 수 있습니다. 이 가이드는 여러 주요 단계를 안내합니다: 1. 자신의 그림 데이터셋 수집 2. 이미지에 대한 설명 자동 생성 3. 이미지와 설명으로 알고리즘 훈련 4. 생성된 safetensor 파일을 사용하여 자신의 스타일로 새로운 이미지 생성 자신의 맞춤 LoRa로 이미지를 생성할 수 있는 많은 플랫폼이 있지만, 이 가이드는 다양한 생성 플랫폼에서 사용할 수 있는 safetensor 파일을 얻는 데 중점을 둡니다.

맞춤 LoRa 모델을 만드는 첫 번째 단계는 자신의 그림 데이터셋을 준비하는 것입니다. 고려해야 할 몇 가지 주요 사항은 다음과 같습니다: 1. 수량: 최소 35장의 이미지로 시작하되, 더 작은 데이터셋도 기본 모델을 생성하는 데 유용할 수 있습니다. 2. 일관성: 데이터셋에 포함할 그림을 선택할 때 강조하고 싶은 특성의 일관성을 유지하세요. 예를 들어, 나무를 그리는 특정 스타일이 있다면 이 스타일의 여러 예를 포함하세요. 3. 이미지 크기: 이미지는 다양한 크기를 가질 수 있지만, 1024x1024, 780x1024, 1024x780과 같은 표준 해상도를 유지하려고 노력하세요. 크기 변동이 너무 크면 훈련 과정에 영향을 줄 수 있습니다. 4. 품질: 이미지 수가 적다면 품질과 해상도에 집중하여 수량 부족을 보완하세요. 5. 다양성: 풍경, 캐릭터, 물체 및 자주 작업하는 특정 테마와 같은 스타일을 나타내는 다양한 주제와 구성을 포함하세요. 데이터셋 준비에는 몇 시간이 걸릴 수 있지만, 이는 LoRa 모델이 고유한 예술적 스타일을 정확하게 포착하는 데 중요한 단계입니다.

데이터셋을 준비한 후, 다음 단계는 AI 훈련을 위한 이미지 태깅입니다. 이 과정은 Colab 노트북을 사용하여 이미지에 대한 설명을 자동으로 생성하는 것입니다. 방법은 다음과 같습니다: 1. 이미지 태깅을 위한 제공된 Colab 노트북에 접근하세요. 2. 노트북을 Google Drive에 연결하고 프로젝트 폴더를 만드세요. 3. 프로젝트 폴더 내의 데이터셋 폴더에 이미지를 업로드하세요. 4. 태깅을 위한 두 가지 비전 모델 중에서 선택하세요: 애니메이션(캐릭터 기반 아트에 더 적합) 또는 사진(일반 이미지 및 풍경에 더 적합). 5. 노트북에서 제안하는 대로 태그 민감도의 임계값을 설정하세요. 6. 생성 중 스타일을 트리거할 활성화 단어를 추가하세요. 일반 태그와 혼동되지 않을 독특한 단어를 선택하세요. 태깅 과정은 일반적으로 약 4분이 소요됩니다. 완료되면 훈련을 위한 태그가 지정된 이미지 세트를 갖게 됩니다.

데이터셋이 준비되고 태깅되었으므로 이제 훈련 노트북을 설정할 시간입니다. 이 가이드는 Hollowstrawberry의 Lora Trainer 노트북을 사용합니다. 주요 단계는 다음과 같습니다: 1. 태깅 과정에서 사용한 동일한 프로젝트 이름을 입력하세요. 2. 훈련을 위한 기본 모델을 선택하세요. 자산 생성에 잘 작동하는 Stable Diffusion SDXL base 1.0과 같은 인기 있는 선택이 있습니다. 3. 활성화 태그 수를 설정하세요(이전 단계에서 트리거 단어를 사용한 경우 일반적으로 1). 4. 훈련 매개변수를 구성하세요. 이는 다음 섹션에서 다룰 것입니다. 기본 모델 선택은 LoRa가 다양한 생성 모델과 얼마나 잘 작동하는지에 영향을 줄 수 있습니다. 예를 들어, SDXL base 1.0에서 훈련된 LoRa는 SDXL 기반 모델과 가장 잘 작동할 수 있습니다.

훈련 매개변수를 적절하게 구성하는 것은 LoRa 모델의 성공에 매우 중요합니다. 고려해야 할 주요 매개변수는 다음과 같습니다: 1. num_repeats: 각 이미지에 대해 훈련이 반복되는 횟수. 2. Epochs: 모델이 전체 데이터셋을 처리하는 횟수. 3. batch_size: 모델이 각 epoch에서 비교할 이미지 수. 총 훈련 단계를 계산하려면 다음 공식을 사용하세요: (이미지 수 x num_repeats) / batch_size x epochs = 총 단계 최적의 결과를 위해 300에서 500의 총 단계를 목표로 하세요. 다음은 몇 가지 예시 구성입니다: - 10 이미지: 20 num_repeats, 6 batch_size, 10 epochs = 400 단계 - 50 이미지: 4 num_repeats, 6 batch_size, 10 epochs = 400 단계 - 100 이미지: 2 num_repeats, 6 batch_size, 10 epochs = 400 단계 최적화 도구로는 큰 데이터셋에 적합한 adamW8bits 또는 작은 데이터셋, 특히 캐릭터 훈련에 좋은 prodigy 중에서 선택하세요. 최적화 도구를 변경할 때는 노트북 저자가 추천하는 대로 인수를 조정하세요.

모든 매개변수를 구성한 후, 훈련 과정을 실행할 시간입니다: 1. 노트북을 실행하여 훈련을 시작하세요. 2. 이 과정은 일반적으로 1.5시간에서 3시간 정도 소요됩니다. 3. Google Colab은 하루에 제한된 컴퓨팅 시간을 제공하므로, 노트북이 약 3시간 후에 연결이 끊길 수 있습니다. 4. 훈련이 완료되기 전에 중단되면 새 세션에서 중단된 지점부터 다시 시작할 수 있습니다. 5. 완료되면 최종 파일이 Google Drive의 출력 폴더에 저장됩니다. 훈련 과정 동안 모델은 제공된 데이터셋과 태그를 기반으로 스타일에 맞는 이미지를 생성하는 방법을 학습합니다. 생성된 safetensor 파일에는 다양한 AI 아트 플랫폼에서 이미지 생성을 안내하는 데 사용할 수 있는 학습된 매개변수가 포함되어 있습니다.

훈련된 LoRa 모델을 손에 쥐고 이제 이미지를 생성할 준비가 되었습니다. 사용할 수 있는 많은 플랫폼이 있지만, 이 가이드는 무료 대안으로 Civitai를 사용합니다: 1. LoRa 모델을 Civitai(또는 선호하는 플랫폼)에 업로드하세요. 2. 플랫폼의 양식을 따라 모델을 설정하세요. 모델을 처음에 비공개로 유지하려면 개인 정보 설정을 고려하세요. 3. LoRa와 호환되는 기본 모델을 선택하세요. 4. 활성화 단어와 원하는 요소를 포함하는 프롬프트를 작성하세요. 5. 이미지를 생성하고 다양한 프롬프트와 설정으로 실험하세요. 생성된 결과는 최종 출력물이 아니라는 점을 기억하세요. 최상의 결과를 얻기 위해 생성된 이미지를 다듬고 정리하며 작업해야 합니다. 그러나 이러한 AI 생성 이미지는 목업, 대체물 또는 예술 작품에 대한 영감을 위한 훌륭한 출발점이 될 수 있습니다.

AI 생성 아트를 작업 흐름에 통합하기 시작할 때 다음 모범 사례 및 팁을 염두에 두세요: 1. 반복이 핵심: 첫 시도에서 완벽한 결과를 기대하지 마세요. 스타일에 가장 잘 맞는 것을 찾기 위해 다양한 프롬프트, 설정 및 기본 모델로 실험하세요. 2. 후처리가 필수: AI 생성 이미지는 종종 정리, 세련화 및 추가 예술적 입력이 필요합니다. 이러한 생성물을 최종 제품이 아닌 출발점으로 사용하세요. 3. 전통 기법과 결합: AI 생성 요소를 손으로 그리거나 디지털로 만든 아트와 통합하여 독특한 결과를 얻으세요. 4. 저작권 및 윤리 존중: 훈련 데이터셋에 포함된 모든 이미지 사용 권한이 있는지 확인하고, 창작 과정에서 AI 사용에 대해 투명하게 밝혀주세요. 5. 지속적인 학습: AI 아트 생성의 새로운 발전에 대한 정보를 지속적으로 업데이트하세요. 이 분야는 빠르게 발전하고 있습니다. 6. 고유한 스타일 보존: AI를 창의성을 향상시키는 도구로 사용하되, 대체하지 않도록 하세요. 당신의 예술적 비전과 기술이 여전히 작업의 가장 중요한 요소입니다. 7. 다양한 모델로 실험: LoRa를 다양한 기본 모델과 함께 사용해 보아 어떤 조합이 스타일에 가장 좋은 결과를 내는지 확인하세요. 이 가이드를 따르고 이러한 모범 사례를 따르면, 생성적 AI의 힘을 활용하여 작업 흐름을 향상시키고 새로운 가능성을 탐색하며 개인 스타일에 맞는 독특한 자산을 생성할 수 있습니다.