인물의 정체성을 보존하며 이미지를 편집하는 Krea 2

AI 이미지 편집으로 배경이나 옷을 바꾸면 인물의 얼굴이 미세하게 변하는 현상은 흔한 불편함이다. 이러한 정체성 붕괴 문제를 해결하기 위해 Krea 2 Raw(기본 이미지 생성 모델)를 기반으로 미세 조정한 Krea 2 Identity Edit 모델이 공개되었다.

이 모델은 커뮤니티 미세 조정을 통해 인물의 고유한 외형을 유지하며 특정 부분만 정밀하게 수정하는 데 최적화되었다. 사용자가 평이한 언어로 지시를 내리면 이미지의 다른 요소는 유지한 채 지정한 영역만 변경한다.

추론 단계에서는 grounding_px(편집 강도 조절 변수) 값으로 정체성 보존과 편집 강도 사이의 균형을 설정한다. 값이 낮을수록 편집 지시를 강하게 따라 장면 전체가 균일하게 변하며, 값이 높을수록 인물의 유사성이 더 강하게 보존된다. v1.1의 학습 범위는 384에서 768 사이이며 기본값은 768이다.

확인해야 할 핵심 지점

상용 AI 편집기가 정밀도 면에서 압도적이라는 믿음이 있었다. 하지만 오픈소스 모델이 모듈형 확장 방식을 통해 그 격차를 빠르게 좁히고 있다. Krea 2 Identity Edit은 저차원 적응(LoRA, 기존 모델을 적은 비용으로 미세 조정하는 기법) 스태킹을 지원한다. 사용자가 직접 정의한 캐릭터나 특정 스타일의 LoRA를 추가로 얹어 제어할 수 있는 확장성을 갖췄다. 이는 오픈소스 생태계가 정밀 인물 편집 영역에서 상용 서비스의 수준을 빠르게 추격하는 근거가 된다.

129억 개의 파라미터를 가진 싱글 스트림 멀티모달 디퓨전 트랜스포머(MMDiT, 텍스트와 이미지를 동시에 처리하는 신경망 구조)가 모델의 기반이다. 최신 v1.1 버전은 이전 버전보다 얼굴의 유사성과 이미지 충실도를 대폭 개선했다. 편집 영역의 국소성을 강화하여 카메라 각도나 포즈, 수정하지 않은 주변 요소들이 훨씬 안정적으로 유지된다. 신경망 구조의 개선이 편집 시 발생하는 불필요한 변형을 억제했다.

두 명의 인물이 동시에 등장할 때 각자의 정체성을 명확히 분리하는 능력이 v1.1에서 강화되었다. 복합적인 의상 변경을 수행하는 능력 또한 함께 개선되었다. 인물 간의 특징이 서로 간섭하거나 의상 변경 시 인물의 형태가 무너지는 문제를 해결했다. 정밀한 제어 능력이 다중 인물 편집의 완성도를 높였다.

특이값 분해(SVD)를 적용해 저사양 VRAM에서도 구동

고성능 그래픽 카드를 확보하지 못한 사용자가 편집 툴을 실행할 때 겪는 하드웨어 제약은 작업의 걸림돌이 된다. 행렬을 분해해 모델 크기를 줄이는 기법인 특이값 분해(SVD)를 적용한 변형 모델은 이러한 진입 장벽을 낮추는 대안이다. r128 버전은 0.91GB, r64 버전은 0.46GB의 용량만으로도 v1.1과 거의 동일한 품질을 구현한다. 다만 이 모델을 구동하려면 전용 확장 기능인 ComfyUI-Krea2Edit 노드 팩을 반드시 설치해야 한다.

편집 과정에서 이미지 입력 순서는 결과물의 품질을 결정짓는 핵심 변수다. 첫 번째 입력값인 source_latent에는 반드시 배경 장면 이미지를 배치해야 한다. 두 번째 입력값인 source_latent_b에는 인물 이미지를 지정하는 것이 원칙이다. 이 순서를 잘못 설정하면 정체성 보존과 편집 품질이 급격히 저하되므로 주의가 필요하다.

배경이나 의상을 수정할 때 인물의 정체성이 훼손되는 불편함은 Krea 2 Identity Edit의 정밀 제어로 해결된다. SVD를 적용한 0.46GB에서 0.91GB 사이의 저용량 VRAM 모델은 하드웨어 진입장벽을 낮췄다.

결국 grounding_px 값과 Turbo 또는 Raw 모델 타입 설정으로 정체성 보존과 편집 강도 사이의 균형을 잡는 것이 핵심이다. 파라미터의 수치적 제어가 곧 편집의 품질을 결정한다.