> ## Documentation Index
> Fetch the complete documentation index at: https://www.krea.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.
> Krea에서 커스텀 스타일을 학습시키는 방법. 이미지 큐레이션과 업로드, 모델·스텝·학습률·배치 크기 설정, 재학습 요령을 안내합니다.
# Krea에서 뛰어난 커스텀 스타일을 학습시키는 방법
# 미친 듯이 좋은 스타일 학습시키기
Krea 사용자라면 이미 텍스트 프롬프트는 수준급이실 거예요. LoRA도 아마 학습시켜 보셨겠죠. 그런데 **훌륭한** 커스텀 모델은 무엇이 다를까요?
**Krea 학습의 3가지 핵심 단계:**
1. **큐레이션**
* 최상급 이미지가 필요합니다 - 고품질에 높은 통일감까지. 여러분은 *큐레이터* 이고 Krea는 여러분의 갤러리입니다.
2. **다듬기**
* Krea에서는 기반 모델, 학습 스텝 등 모든 기술 사양을 아주 쉽게 조정할 수 있습니다. 마음껏 파인튜닝하세요.
3. **연금술**
* 분명히 말해 둘게요: **스타일 학습**은 그 자체로 하나의 예술이지, 정밀한 과학이 아닙니다. 학습 결과가 기대에 못 미쳐도 당황하지 마세요. *마법 같은* 무언가를 만들어 내기 위한 시행착오의 과정이니까요. 반복, 반복, 또 반복!
프롬프트: *An alchemist in their laboratory distilling an elixir, abstract.* Krea 1 모델과 커스텀 스타일로 제작.
## 1. 큐레이션
### 업로드
[Krea.ai](http://www.krea.ai/)에서 **Home** 아이콘을 클릭한 뒤, 에셋 아래의 [**Train**](https://www.krea.ai/train)을 클릭하세요. 아니면 그냥 아래로 스크롤해도 됩니다.
**Image** 모델과 **Video** 모델 중에서 선택하세요. **Video** 모델은 정지 이미지와 비디오 클립을 모두 학습할 수 있습니다. 학습 데이터는 나중에 다른 유형의 모델에 재사용할 수 있습니다.
이미지는 최소 3장부터 최대 2000장까지 업로드할 수 있습니다 (게임 개발자 여러분, 바로 당신들 얘기예요 ).
이미지가 많을수록 도움이 되긴 하지만, *평범한* 이미지 2000장보다 정말 *통일감 있는* 고품질 이미지 20장이 훨씬 낫습니다. 일반적으로 **품질 > 수량**입니다 (*최소 5-10장* 이상만 있다면요). 높은 기준을 유지할 수 있을 때만 데이터셋을 크게 만드세요.
> [!TIP]
>
> 기억하세요: 이미지는 가능한 한 고해상도여야 합니다. 저해상도 이미지는 결과물을 흐릿하게 만들고 아티팩트를 생성할 수 있습니다.
### 데이터셋 유형
**캐릭터**
* 직접 그리거나 렌더링한 특정 캐릭터(*일러스트, 컨셉 아트, 애니메이션, 비디오 게임* 등)를 모델이 이해하도록 학습시킬 수 있습니다. 실제 인물의 얼굴로 학습시키는 것도 가능합니다(물론 동의를 받고요).
캐릭터 데이터(오른쪽)와 스타일로 생성한 캐릭터(왼쪽)의 디테일이 일관됩니다.
* 일관성을 위해 **완전히 같은 복장**을 한 캐릭터 이미지를 최대한 많이 사용하세요. 다양한 포즈, 앵글, 동작이 있으면 이상적입니다.
* *애니메이터*와 *컨셉 아티스트* 여러분 - 캐릭터 시트를 만드는 워크플로와 아주 비슷합니다.
> [!TIP]
>
> 한 사람을 기반으로 한 실사 모델이라면 다양한 의상의 학습 데이터가 더 유용할 수 있습니다. 캐릭터가 다른 옷을 입은 이미지를 생성할 계획이라면 다양한 룩을 업로드하세요.
**오브젝트**
* 캐릭터 학습과 같은 원칙입니다 - 정확히 같은 오브젝트, 여러 앵글, 디테일을 위한 클로즈업, 맥락을 위한 와이드 샷.
* *제품 디자이너*이거나 *이커머스* 분야에서 일한다면, 가지고 있는 고유한 제품 사진을 최대한 많이 업로드하세요.
* 단색이나 투명 배경이 도움이 될 수 있지만, 오브젝트가 이미지의 중심에 있다면 꼭 필요하지는 않습니다.
같은 오브젝트, 다른 앵글, 단색 배경. 아주 훌륭한 학습 데이터입니다.
* 이미지 중 하나라도 조금 다른 오브젝트나 제품이 섞여 있으면 모델이 혼란스러워하고 결과가 흐려집니다.
> [!NOTE]
>
> 제품에 텍스트가 있다면, 텍스트를 클로즈업한 학습 이미지가 엄청나게 많지 않은 이상 스타일이 그것을 재현하지 못할 수 있습니다. 그렇지 않으면 아티팩트가 생길 거라고 예상하세요.
**미감**
* 여기서는 좀 더 자유롭고 창의적인 데이터셋을 구성할 수 있습니다. 작품의 미감이나 재질은 완전히 같아야 하지만, 피사체는 아주 다양할 수 있고, 또 그래야 합니다.
* *유화, 애니메, 리퀴드 크롬, 대리석, 로우 폴리* - 진짜 룩이나 매체라면 무엇이든.
이 로우 폴리 데이터셋 샘플에는 고유한 캐릭터*와* 배경이 담겨 있습니다.
로우 폴리 스타일로 생성한 이 이미지는 완전히 새로운 피사체와 구도를 만들어 냈습니다.
* 폭넓은 데이터는 스타일이 특정 피사체에 과적합되는 것을 막아, 정말 창의적인 결과를 낼 수 있게 해 줍니다.
> [!TIP]
>
> 미감 스타일이야말로 여러분의 큐레이션 실력이 진짜 빛나는 곳입니다. 즐기면서 실험해 보세요. *마음껏 날뛰세요*.
## 2. 다듬기
이제 기술 파라미터를 조정할 차례입니다. Krea가 여러분의 **Custom Style**에 이름을 붙이고 프롬프트에 쓸 **트리거 워드**를 지정해 줍니다(필요하면 변경하세요).
이미지 수와 평균 해상도 미터도 확인할 수 있습니다. 지금까지는 순조롭네요.
### 모델
* Krea의 슈퍼파워는 최고의 이미지 및 비디오 생성 모델을 다양하게 돌릴 수 있다는 점입니다.
* 모델마다 고유한 강점이 있지만, 모두 실험해 볼 가치가 있습니다. 간단히 정리하면:
| 모델 | 유형 | 생성 시간 | 강점 | 활용 사례 |
| :- | :- | - | - | - |
| Krea 1 | 이미지 | 8초 | 포토리얼리즘, 뛰어난 미감 | 그래픽 디자인, 건축, 제품, 마케팅 에셋 |
| Flux | 이미지 | 5초 | 포토리얼리즘, 높은 프롬프트 충실도, 해부학적 정밀성 | 컨셉 아트, 그래픽 디자인, 교수 설계, 마케팅 에셋 |
| Flux Realtime | 이미지 | 1분 | 편집에 실시간으로 반응, 높은 프롬프트 충실도 | 프로토타이핑, 소셜 콘텐츠, 이커머스 |
| Wan 2.1 | 비디오 | 1분 | 자연스러운 움직임, 높은 장면 일관성 | 마케팅, 소셜 콘텐츠, 교육용 에셋 |
| Wan 2.2 | 이미지 | 20초 | 초사실적 렌더, 뛰어난 미감 | 애니메이션 에셋, 업스케일링, 컨셉 아트, 소셜 콘텐츠 |
| Qwen | 이미지 | 15초 | 뛰어난 텍스트 생성, 프롬프트 충실도 | 텍스트 에셋, 이커머스, 기술 디자인, 컨셉 아트 |
> [!TIP]
>
> 기억하세요: 학습에 사용한 모델이 커스텀 스타일로 생성할 수 있는 유일한 모델입니다.
### 스텝
* 스텝 증가 = 데이터를 학습하는 데 더 많은 시간을 쓴다는 뜻입니다. 하지만 컴퓨팅 비용이 많이 들 수 있고, 스타일이 학습 이미지를 그대로 토해 내기만 하는 *과적합*이 생길 수도 있습니다. 시작값으로는 *이미지 수* x *20*이 좋습니다.
> [!NOTE]
>
> 기본값: 250.
### 학습률
* 학습률이 높으면 학습이 빨라질 수 있지만, 스타일이 데이터에 과적합될 수도 있습니다. 학습률이 낮으면 학습에 더 오랜 시간이 걸립니다.
> [!NOTE]
>
> 기본값: 0.004 (4e-3)
### 배치 크기
* 배치 크기가 크면 학습 속도가 빨라질 수 있지만, 평범한 결과로 이어질 수도 있습니다. **Batch Size**와 **Learning Rate**는 비례해서 조정하는 것을 권장합니다. 작은 데이터셋이라면 기본값을 그대로 쓰세요.
> [!NOTE]
>
> 기본값: 1
## 3. 연금술
스타일 학습이 끝나면 이제 실험할 시간입니다. 프롬프트의 신들이여 - *바로 여기서 실력을 폭발시키세요.*
### 스타일 한계까지 밀어붙이기:
* 기대 이상으로 파고드세요. 강점과 약점을 찾으세요. 스타일이 언제 훌륭한 결과를 내고 언제 그렇지 않은지 발견하고 기록하세요.
* **결과물이 스타일에 과적합되어 있다면, 다음을 고려하세요:**
* 학습 데이터 다양화하기
* 학습률 낮추기
* **결과물이 너무 제각각이라면, 다음을 고려하세요:**
* 데이터셋에 이미지 더 추가하기
* 데이터셋에서 약하거나 이질적인 이미지 제거하기
* 학습률 높이기
> [!TIP]
>
> 기억하세요: Krea는 스타일 학습 데이터 세트를 각각 저장합니다. 스타일을 다듬어야 할 때마다 데이터를 그냥 재사용하면 됩니다.
이 샘플 생성물들이 너무 비슷한 걸 보면, 이 스타일은 과적합되었을 수 있습니다. 다시 시도하세요.
### 재학습
* **다른 모델 써 보기**
* 스타일을 포착하는 데 어떤 모델이 다른 모델보다 더 나을 수 있습니다. 이것저것 비교해 보세요, Krea는 바로 그러라고 있는 거니까요. 잘 모르겠다면 위의 모델 표를 참고하세요.
* **데이터셋 합치기**
* 두 개 이상의 데이터셋을 결합하면 정말 독특한 미감을 만들 수 있습니다. 스타일의 한계에 막히거나 답답할 때, 새로운 생명을 불어넣으세요.
* **계속 실험하기**
* 이미지 수를 늘리거나 줄여 보세요.
* 모든 이미지가 고해상도인지 확인하세요.
* Krea의 파인튜닝 설정을 이리저리 만져 보세요.
## 계속 만들어 보세요
Krea에는 끝내주는 커스텀 스타일을 만드는 데 필요한 모든 것이 있습니다. [Krea.ai](https://www.krea.ai/app)에서 스타일을 공개해 작품을 보여 주시거나, [Discord](https://discord.com/invite/rJurUAR8Kz)에서 공유하며 커뮤니티를 함께 만들어 가요.
This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.