정재민PORTFOLIO

AI IMAGE WORKFLOW · PRODUCTION · INFRASTRUCTURE

2025

이미지 제작을
반복 가능한 흐름으로.

FLUX·ComfyUI 기반 생성과 편집, 인물·제품 LoRA와 클라우드 환경을 연결했습니다. 브랜드의 요청을 이미지 제작 공정으로 바꾸고, 다른 제작자도 사용할 수 있도록 작업 흐름과 가이드를 정리했습니다.

페이즈 매거진 2025.04–10 · 파이온 코퍼레이션 2025.10–

작업 이미지 88장 보기 ↓
ODEAR 제작 결과 1ODEAR 제작 결과 2XEXYMIX 제작 결과 2SELECTED WORK / 2025
FLUX생성·편집 워크플로우
LoRA인물·제품 디테일
Cloud웹 기반 제작 환경

01 / GENERATION & EDITING WORKFLOW

FLUX 기반 이미지
생성·편집 워크플로우

2025.04–07단독 워크플로우 개발 · 노드·파라미터 최적화

베이스 생성부터 얼굴·제품 교체, 디테일 보정과 최종 업스케일까지 제작 공정을 연결했습니다.

FLUXComfyUIPuLID / ReActorESRGANOutpainting

해결할 문제

이미지 생성, 교체와 후처리가 분리되어 반복 수작업이 많았고, 얼굴·손·제품 디테일에 일관된 품질 기준이 필요했습니다.

직접 구현한 일

  1. 01

    FLUX·ComfyUI를 중심으로 PuLID·ReActor 얼굴 교체, 아웃페인팅, 피부 디테일 보정과 손 수정 기능을 통합했습니다.

  2. 02

    ESRGAN과 FLUX 업스케일, 다단계 보정으로 해상도와 제품 표현을 마감하도록 구성했습니다.

  3. 03

    노드 조합과 파라미터를 비교해 공정을 정리하고, 사용 가이드와 내부 제작 기준을 문서화했습니다.

결과와 검수

생성 → 교체 → 디테일 보정 → 업스케일을 반복 실행할 수 있는 제작 흐름으로 정리했습니다. 단일 결과의 완성도와 다음 작업의 재현성을 함께 관리했습니다.

01베이스 생성장면·인물 구성
02교체·편집얼굴·제품·캔버스
03디테일 보정피부·손·상품
04업스케일최종 해상도 마감

02 / IDENTITY & PRODUCT DETAIL

LoRA·인페인팅으로
인물과 제품의 특징 유지

2025.04–06LoRA 학습 · ComfyUI 통합 · 품질 검수

인물의 얼굴 특징과 제품의 질감·형태·디테일을 유지하도록 학습과 편집 단계를 조정했습니다.

LoRAFLUXInpaintingFace / Product Swap

해결할 문제

얼굴이나 제품을 바꾸면 특징이 사라지거나 장면과 어긋나는 문제가 있었습니다. 학습한 특징을 유지하면서 필요한 영역만 수정하는 방식이 필요했습니다.

직접 구현한 일

  1. 01

    인물과 제품 이미지를 바탕으로 LoRA를 학습하고 FLUX 기반 제작 워크플로우에 연결했습니다.

  2. 02

    인페인팅·페이스 스왑·디테일 보정을 조합하고 각도와 장면이 바뀌는 결과를 비교했습니다.

  3. 03

    피부·손·상품의 디테일 손실을 검수하고 노드 설정과 입력 조건을 수정했습니다.

결과와 검수

생성 모델의 출력 이후에도 동일성과 디테일을 수정할 수 있도록 학습·추론·검수 과정을 연결했습니다. 이후 인물 동일성 데이터와 제작 웹 도구를 개발하는 기반이 되었습니다.

03 / SHARED AI INFRASTRUCTURE

장비 제약을 줄이는
클라우드 제작 환경

2025.04–05Docker·RunPod 환경 구축 · 워크플로우 배포·교육

로컬 GPU 사양에 의존하던 이미지 작업을 웹으로 사용할 수 있는 환경으로 옮겼습니다.

DockerRunPodComfyUIKrita

해결할 문제

작업자마다 컴퓨터 사양이 달라 같은 이미지 제작 기능에 접근하기 어려웠습니다. 공통 실행 환경과 사용 가이드가 필요했습니다.

직접 구현한 일

  1. 01

    Docker와 RunPod 기반으로 ComfyUI 실행 환경을 구성하고 웹 접근 흐름을 마련했습니다.

  2. 02

    공통 워크플로우와 사용 가이드를 제공하고, 제작자가 입력과 결과를 확인하며 작업하도록 교육했습니다.

  3. 03

    Krita 기반 디테일 수정과 후처리 사용법을 함께 정리하고 지속적으로 지원했습니다.

결과와 검수

고성능 로컬 장비가 없어도 공통 제작 환경에 접근할 수 있도록 구성했습니다. 실행 환경과 작업 기준을 함께 관리해 기능의 사내 활용 범위를 넓혔습니다.

01제작자웹에서 입력·결과 확인
02클라우드 GPUDocker / RunPod
03공통 워크플로우ComfyUI 실행
04후처리·교육Krita / 사용 가이드

04 / BRAND IMAGE PRODUCTION

브랜드 요청을 반영한
뷰티·패션 이미지 제작

2025.04 이후 · 페이즈 재직 중브랜드 요구 분석 · 이미지 제작·디테일 검수

촬영이 필요한 영역과 AI로 제작할 수 있는 영역을 나누고, 브랜드의 상품·인물 표현을 완성했습니다.

Product SwapFace SwapLoRAComfyUIUpscale

해결할 문제

브랜드별 분위기와 상품의 핵심 특징을 살리면서 제작 효율을 높여야 했습니다. 결과 이미지의 인상뿐 아니라 제품 표현과 수정 대응이 중요했습니다.

직접 구현한 일

  1. 01

    브랜드의 요청과 참고를 분석해 장면·상품·인물의 제작 방향을 정했습니다.

  2. 02

    제품 스왑, 얼굴 교체, LoRA, 업스케일과 디테일 보정을 실제 클라이언트 이미지 제작에 적용했습니다.

  3. 03

    최종 결과의 제품·인물 디테일을 검수하고 피드백을 다음 제작 조건에 반영했습니다.

결과와 검수

뷰티 제품의 질감과 패션 인물·포즈를 다루는 제작 사례를 축적했습니다. 아래 이미지는 2025 AI 포트폴리오에 수록된 결과 영역을 각각 분리한 자료입니다.

05 / MODEL & WORKFLOW COMPARISON

새로운 모델과 편집
워크플로우 비교 실험

2025.04 이후 · 원본 기록모델·도구 분석 · 프로토타입 구현 · 비교 검수

생성·편집 도구의 차이를 실제 이미지와 워크플로우로 비교하고 적용 조건을 확인했습니다.

모델 비교ComfyUI이미지 편집프로토타입

해결할 문제

새로운 도구가 기존 제작 흐름에서 어떤 문제를 해결하는지 결과로 확인해야 했습니다.

직접 구현한 일

  1. 01

    Recraft·Kontext·FLUX·Krea·OmniGen·WAN2.2 등 원본에 기록한 모델·도구를 분석했습니다.

  2. 02

    배경·구도 변경 프로토타입과 이미지 편집 워크플로우를 구성했습니다.

  3. 03

    조건별 결과를 나란히 비교하고 반복 테스트와 피드백을 제작 흐름에 반영했습니다.

결과와 검수

조건별 배경 변경 결과와 실제 노드 구성으로 도구의 적용 범위를 검토했습니다.