엔드 투 엔드 비주얼 기록

VISUAL WORKFLOW.

AZIT LORA 파이프라인

앵커 아이덴티티 합성부터 조건부 추론까지 여섯 단계를 실제 작업 환경(ComfyUI, AI-Toolkit)에서 라이브로 캡처했습니다. 이어서 같은 프롬프트를 다섯 개 학습 체크포인트(Steps 2200 - 3000)로 렌더링해 비교하는 체크포인트 갤러리가 나옵니다.

앵커 아이덴티티 합성

아이덴티티 시드가 되는 최초의 피사체 얼굴을 생성합니다.

민낯 ID 정규화

1단계 결과를 여권 사진 스타일의 민낯 초상으로 다듬어 아이덴티티 시드를 모호함 없이 고정합니다.

멀티뷰 데이터셋 합성 · i

2단계 결과를 ComfyUI 워크플로우에 넣어 다각도 데이터셋을 합성합니다 — LoRA가 정면 얼굴만이 아니라 머리 전체를 3D 볼륨으로 학습하도록.

멀티뷰 데이터셋 합성 · ii

3단계의 연장 — 추가 각도, 거리, 표정으로 데이터셋을 증강합니다.

LoRA 파인튜닝 · AI-Toolkit

3-4단계 데이터셋을 AI-Toolkit에 넣어 LoRA를 학습합니다.

조건부 추론 · 에디토리얼 스타일링

5단계 LoRA를 ComfyUI 워크플로우에 로드해 K-Pop 에디토리얼 이미지를 생성합니다.

보조 자료

작동 중인 파이프라인에서 추가로 캡처한 화면.

체크포인트 갤러리

체크포인트 5개에 걸친
Steps 2200 → 3000

각 스트립은 같은 프롬프트를 학습 중 저장된 다섯 개 LoRA 체크포인트로 렌더링한 결과입니다. 왼쪽에서 오른쪽으로: Step 2200(최적점, 아이덴티티와 일반화의 최선 균형)부터 Step 3000(과적합 구간)까지. 이 시각적 진행은 ArcFace 곡선이 수치로 이미 보여준 것을 확인해 줍니다 — 아이덴티티는 Step 2200에서 자리를 잡고, 이후 체크포인트는 일반화를 희생하며 데이터셋 아티팩트를 암기합니다.

수치 상세는 리서치 ↗ (03 ArcFace 벤치마크 결과)에서.