같은 ‘편집’이 아니다 – Krea 2 레퍼런스가 들어가는 네 가지 경로

여기서 걸리는 게 하나 있다.
Krea 2의 텍스트 인코더는 Qwen3-VL, 이미지를 볼 줄 아는 비전-언어 모델이다. 그래서 길이 갈린다. 레퍼런스를 인코더의 눈으로 넣을 것인가, latent 쪽으로 밀어 넣을 것인가, 둘 다 할 것인가.

여기서 답이 갈리면서 우회로가 네 개로 나뉘었다.

레퍼런스는 어떤 경로로 들어가나?

스타일 레퍼런스는 레퍼런스를 생성 latent와 같은 공간으로 VAE 인코딩해 샘플링 도중에 읽는다. 겉모습은 IP-Adapter와 비슷한데 학습된 어댑터가 없다. 그 latent를 “이 인물을 유지하라”로 옮겨줄 층이 빠져 있어서 화풍만 넘어오고 얼굴은 안 넘어온다.

Identity Edit은 소스가 두 갈래로 들어간다. Qwen3-VL 인코더에 한 번(의미적 접지), VAE latent 토큰으로 또 한 번(외형). 이 이중 컨디셔닝이 로라가 학습된 방식과 정확히 맞물린다. 그래서 얼굴의 점 위치까지 그대로 둔 채 장면만 다시 조명한다.

Ostris Edit은 레퍼런스를 이미지 토큰 뒤에 덧붙이고 t=0에서 조건화한다. 디노이징 예측은 타깃 토큰에만 적용된다. 스톡 모델이 레퍼런스 latent를 무시하므로 모델 패치 노드가 필수다. kv_cache 옵션은 레퍼런스 토큰의 어텐션 K/V를 t=0에 한 번만 계산해 재사용한다. 다만 ai-toolkit에서 이 옵션을 켜고 학습한 로라라야 제 성능이 난다.

로라를 반대편 노드에 물리면 어떻게 되나?

에러가 안 나기 때문에 더 골치다. 그래프가 빨갛게 뜨지 않고 이미지도 나온다. 다만 편집이 흐릿하게 먹히거나 얼굴 유지가 약해지거나 한다. 그러면 파라미터 탓으로 착각하고 grounding_px만 계속 만지게 된다.

학습 경로가 서로 다르다. Identity Edit 로라는 전용 트레이너로 학습되고 그 트레이너가 comfyui-krea2edit 노드와 기하 구조가 맞춰져(geometry-matched) 있다. Ostris 로라는 ai-toolkit 실험 편집 기능으로 학습되고 Ostris 노드와 맞다. 자리는 같은 모양인데 뜻이 다르다고 봐야 한다.

• Identity Edit 로라 krea2_identity_edit_v1.safetensors (약 1.7GB) + 노드 comfyui-krea2edit (lbouaraba)
• Ostris 로라 ostris/krea2_turbo_style_reference + 노드 ComfyUI-Krea2-Ostris-Edit (ostris)

문서가 권장하는 세팅은?

• 추가·색 변경·리스타일: Turbo / 8~12스텝 / CFG 1.0
• 삭제·제거: Raw / 20스텝 / CFG 3.0 (증류된 Turbo는 지운 자리를 다시 그린다)
• grounding_px: 학습 범위 512~1536, 기본 768. 인물은 1024 이상, 장면 교체는 512 권장
• ref_boost: v1.2에서 추가된 레퍼런스 충실도 다이얼, 권장 2~6
• 두 이미지 모드: 1번이 장면, 2번이 사람. 출력은 원본 비율 2MP 이하

CFG 1.0에서는 네거티브 프롬프트가 작동하지 않는다. 증류 모델 특성 때문이다. 그래서 빼고 싶은 요소는 본문 프롬프트에 문장으로 적어야 한다. 라이선스는 Krea 2 커뮤니티 라이선스를 따르고 연 매출 100만 달러 미만이면 상업적 사용이 허용된다는 것도 알아두자.

실제로 옷을 갈아 입혀보면 어떻게 나오나?

소스는 들판 배경의 한국인 여성 상반신(AI 생성, 실존 인물 아님)과 검정 새틴 봄버 재킷 제품컷이다.

재킷에 용·호랑이 자수, 소매 흰 파이핑, 목·소매·밑단 립 밴드가 있다. 실패가 눈에 바로 띄는 물건이라 이 재킷을 골랐는데, 로고가 없어 상표 문제도 없다.

발견 ① 문서의 슬롯 규칙이 절대적이지 않다

문서는 1번=장면, 2번=사람으로 못 박혀 있던데, 1번=인물, 2번=재킷 조합도 동작했다.

발견 ② Ostris 노드는 로라 없이 동작하지 않는다

• 로라 없이 Ostris 노드만: 제대로 된 이미지가 안 나옴
• krea2_style_reference 적용: 이미지는 나오지만 얼굴이 바뀜
• Identity Edit: 동일 인물 유지

Ostris 노드는 레퍼런스를 시퀀스에 끼워 넣는 배관 역할만 한다. 그 토큰을 어떻게 읽을지는 로라가 정한다. 로라가 빠지면 모델로서는 처음 보는 자리에 낯선 토큰이 들어온 셈이라 결과가 무너졌다. krea2_style_reference가 얼굴을 못 지키는 건 고장이 아니라 설계대로라고 본다. 이름 그대로 스타일 전송용이다.

발견 ③ 정체성이 약해지면 얼굴이 서구권으로 수렴한다

한국 사용자에게는 실질적인 문제일 것이다. 정체성 정보가 약해지면 모델이 베이스가 학습한 기본 분포로 돌아가는 것이다. Krea 2 베이스의 얼굴 분포가 서구권 쪽으로 치우쳐 있어 그쪽으로 끌려간다는 점을 알아두자.

발견 ④ grounding_px는 의상 합성에서 “정체성 다이얼”이 아니었다

시드를 고정하고 512 / 768 / 1024 / 1280을 스윕했더니 결과가 단조로웠다.

 

값이 올라갈수록 화면이 물러나면서 재킷이 더 많이, 더 충실히 나온다. 이 다이얼이 건드린 건 모델이 소스를 얼마나 넓게 보는가였고 의상 합성에서는 그게 재현 충실도로 드러났다. 문서의 “높으면 정체성 유지”가 틀린 말은 아니지만 이 작업에서는 다른 얼굴로 나타났다. 실무에서 쓸 조언은 간단하다. 가능하다면 1280까지 올려보자. 좀 더 나은 결과물이 나온다.

발견 ⑤ 재질감은 어느 값에서도 회복되지 않았다

네 값 모두에서 똑같이 나타난 손실이다. 다이얼로 해결될 문제가 아니라 모델이 여기까지인 듯하다. 새틴 광택이 무광에 가까운 검정으로 바뀌고 목·소매·밑단의 검정 립 밴드가 부드러운 칼라로 뭉개진다. 봄버 재킷의 정체성이 사라지는 셈이다. 반대로 “가장 먼저 사라질 것”이라 봤던 소매 파이핑 흰 선은 값이 높을수록 더 길게 이어졌고 좌우 자수 배치와 얼굴은 네 값 모두 살아남았다.

이커머스에 쓸 생각이라면 이 대목을 먼저 봐야 한다. 제품의 재질감이 편집을 거치면서 평탄해질 수 있다. 상세페이지 착용컷을 대체할 계획이라면 재질이 밋밋한 품목부터 시험해보길 권한다.

편집은 생성보다 얼마나 비싼가?

스텝당 약 6.5배 비싸다(로컬이라 실제 전기료가 조금 더 들어가는 수준). RTX 5070 Ti 16GB, ComfyUI, Krea 2 Turbo 기준이다.

이유가 ComfyUI 로그에 그대로 찍힌다.

[krea2edit] STRIDE1-POS fit: ref grids [(64, 64), (64, 54)] centered in (64,64)

레퍼런스 두 장이 각각 64×64와 64×54 격자로 들어간다. 4,096 + 3,456 = 7,552개 토큰이 늘어나고 타깃 4,096개와 합치면 시퀀스가 2.8배가 된다. 어텐션 비용이 길이에 비선형으로 붙으니 6~7배 느려지는 게 당연하다. 앞에서 그린 구조도가 여기서 초 단위 대가로 돌아온다.

곁가지 하나. 첫 t2i 실행이 133초 걸렸는데 그중 95초가 LLM 프롬프트 확장이었고 실제 생성은 5.6초였다. 2회차가 9.41초로 끝난 걸 보면 확장 결과가 캐시된다. 반복 작업이라면 확장기를 끄는 편이 낫다.

16GB에서 진짜 병목은 어디인가?

편집이 아니라 기본 생성이다. 직관과 반대라 두 번 다시 쟀다.

로그 모양을 보면 알 수 있다.
t2i는 인코더와 DiT를 둘 다 붙잡은 채 5초 만에 끝나버려 피크에서 고정된다. 편집은 샘플링이 45초로 길어 ComfyUI가 “인코더는 이제 안 쓴다”고 판단할 틈이 생기고 그래서 계단식으로 내려간다. 레퍼런스 토큰은 메모리가 아니라 연산 시간으로 대가를 치른다.

한 가지 더. ComfyUI 로그의 스테이징 합계는 약 17.4GB지만 실측 피크는 유휴 제외 13.6GB이다. 차이가 3.8GB. 스테이징은 로더의 계획값이지 실제 동시 점유가 아니다. 16GB 사용자가 “안 돌아가겠네”라고 미리 포기하는 지점이 대개 여기라고 본다. 실제 여유는 800MB~1.5GB이고 해상도를 올리면 편집이 아니라 t2i에서 먼저 터질 수 있다.

이 수치를 어떻게 믿을 수 있나?

모든 수치는 모델이 워밍업된 상태에서 쟀다. ComfyUI만 재시작해도 OS가 12.5GB 모델 파일을 RAM에 캐시하고 있어 디스크 읽기를 건너뛴다. 모델 첫 실행은 이보다 훨씬 느리다. 이 단서가 없으면 자기 환경이 잘못된 줄 알 수 있어서 알려준다.

측정하면서 잘못된 결론을 두 번 냈고 둘 다 시작 조건 탓이었다. 스윕을 시드 랜덤으로 돌려 다이얼 효과와 뽑기를 구분하지 못했고 시작 VRAM이 4,168 MiB로 오염된 상태에서 재 “로라를 끄면 메모리를 더 쓴다”는 오판을 냈다. 둘 다 초기화 후 재측정해 정정했다. VRAM·속도 측정글이 서로 안 맞는 이유의 대부분이 시드, 시작 상태, 워밍업 여부 셋을 안 밝혀서다.

실패에서 덤으로 건진 것도 있다. 시드가 제각각인데도 네 장 모두 얼굴이 유지됐으니 Identity Edit의 동일성 유지가 시드 변동보다 세다는 얘기가 된다. 의도치 않은 강건성 테스트를 한 셈이다.

그래서 어떤 작업에 무엇을 쓰나?

• 같은 인물을 여러 장면에 → Identity Edit. 대안이 없다. grounding_px 1024 이상
• 옷 갈아입히기 → Identity Edit, grounding_px 1280. 재질감 손실은 감수
• 화풍만 옮기기 → 스타일 레퍼런스 또는 Ostris. 얼굴은 포기
• 레퍼런스 3장 이상, 자체 로라 학습 연계 → Ostris Edit
• 지우기 → Raw / 20스텝 / CFG 3.0

Krea 2는 지금 어느 자리에 서 있나?

Qwen은 정답이 있는 문제로 옮겨갔다. 글자가 맞느냐 틀리느냐는 채점이 된다.
Krea는 취향의 문제 안에서 통제력을 높이는 쪽으로 갔다.
로컬에서 돌릴 수 있는 Qwen-Image는 1.0뿐이라는 점도 알고 가자.

내가 확인한 것도 결국 같은 자리다. 재킷의 새틴 광택은 못 살렸지만 수채화 화풍은 살렸다.
화제라고 해서 Krea 2를 고를 일은 아니라고 본다. 이 축이 자기 작업에 맞는지를 보고 골라야 할 것이다.
다만 Qwen 3.0의 “쓸모” 주장도 아직 검증된 게 아니라는 걸 알아두자. 발표문에 벤치마크가 없고 선별된 데모뿐이다.
회사가 잡은 포지션이지 입증된 성능이 아니고 위의 두 갈래 프레임 자체도 내 관찰이지 사실 판정은 아니다.
(내가 보기엔 Qwen Image 3.0은 제미나이, GPT 이미지2에 대응하는 것처럼 보인다)

화풍 축에서는 얼마나 강한가? — 판타지 여성 8종 프롬프트

사실계 편집에서는 재질감을 놓치지만 화풍 축에서는 확실히 세다. 말로만 두면 근거가 없으니 같은 소재를 여덟 화풍으로 뽑아 아래에 붙여 보았다. 전부 Krea 2 Turbo 단독, 8스텝, CFG 1.0이다.

프롬프트를 쓸 때 지킨 원칙이 셋이다. 첫째, “fantasy art” 같은 상위 단어보다 gouache, woodblock print, graphite 같은 재료 이름이 훨씬 세게 걸린다. 둘째, 붓질과 선의 성질을 형용사로 지정한다. 수채 테스트에서 결정적이었던 건 loose delicate linework와 vague flowing strokes 조합이었다. 셋째, CFG 1.0에서는 네거티브가 안 먹으니 빼고 싶은 건 긍정문으로 쓴다.

① 수채 라인아트 (Watercolor Line Art)

Watercolor line art illustration of a young fantasy sorceress standing
in a quiet forest clearing, loose delicate linework, vague flowing
strokes, soft pastel washes bleeding outside the contour lines, muted
sage and dusty rose palette, airy composition, generous empty space,
clean white paper background, tender quiet mood, minimal details.

② 고전 유화 (Classical Oil Painting)

Classical oil painting portrait of a fantasy noblewoman in a dark
velvet gown, thick impasto brushwork, visible canvas texture, warm
chiaroscuro lighting from a single window on the left, deep umber and
ochre palette, Baroque studio atmosphere, three-quarter view, museum
varnish sheen, painterly edges dissolving into shadow.

③ 한국 민화 (Korean Minhwa Folk Painting)

Korean minhwa folk painting of a mountain-spirit maiden holding a
peony branch, mineral pigments on hanji paper, flat frontal
perspective with no vanishing point, bold confident brush outlines,
crackled pigment surface, faded persimmon red and indigo palette,
decorative tiger and cloud motifs filling the margins, pigment
bleeding into the paper fiber, aged foxed paper tone.

④ 아르누보 장식화 (Art Nouveau Poster)

Art Nouveau decorative poster of a fantasy priestess framed by a
circular halo of stylized lilies, flowing whiplash linework, flat
ornamental color fills, gold leaf accents, muted cream and jade
palette, symmetrical border of intertwining vines, elongated elegant
proportions, lithograph print texture, clean panel without lettering.

⑤ 다크 판타지 (Dark Fantasy Concept Art)

Dark fantasy concept art of an armored knight-queen on a fog-covered
battlefield at dusk, desaturated steel and charcoal palette with a
single ember-orange accent, heavy atmospheric perspective, rough
digital oil brushwork, weathered plate armor with scratches and
tarnish, low camera angle, oppressive overcast sky, cinematic gloom.

⑥ 90년대 셀 애니메이션 (Retro Anime Cel)

1990s hand-painted anime cel of a young magical girl mid-incantation,
flat cel shading with two-tone shadows, thick uneven ink outlines,
slight film grain and cel dust, gouache-painted background of a
twilight cityscape, saturated period palette of teal and magenta,
subtle analog color bleed, 4:3 framing.

⑦ 연필 드로잉 (Graphite Study)

Graphite pencil study of an elven archer, unfinished sketchbook page,
visible construction lines and eraser smudges, cross-hatching in the
shadows, only the face and hands rendered to full value while the
cloak fades into loose contour, warm toned sketch paper, pencil
shavings texture, no color at all.

⑧ 시네마틱 사실 (Photoreal Cinematic)

Photorealistic cinematic still of a fantasy ranger resting against a
mossy standing stone, shot on 85mm at f/1.8, shallow depth of field,
overcast diffused daylight, practical hand-dyed linen costume with
real fabric weave and wear, natural skin texture with visible pores,
color-graded toward cool green shadows, quiet contemplative expression.

여덟 장을 나란히 놓으면 폭이 눈에 들어올 것이다. 목판화의 색판 어긋남, 연필 드로잉의 지우개 자국, 셀 애니의 필름 그레인. 대부분의 모델이 “오류”로 학습해 지워버리는 것들이다. Krea 2는 이걸 지시대로 남긴다. 학습 데이터를 거를 때 흔한 aesthetic-score 모델 대신 SAE를 쓴 결정이 여기서 드러난다. 소프트 포커스나 번짐 같은 의도적 표현을 저품질로 쳐내지 않으려고 그렇게 했다.

마무리

Krea 2 편집이 안 먹힐 때 제일 먼저 의심할 건 파라미터가 아니다. 노드와 로라의 짝이 맞는지부터 보자. 그다음이 grounding_px, 그다음이 슬롯 순서다. 이 순서만 지켜도 삽질 시간이 절반으로 줄어든다.

다른 그래픽카드에서는 어떤 숫자가 나오는지 궁금하다. 스텝당 시간과 피크 VRAM, 그리고 워밍업 여부까지 댓글로 남겨주면 다음 편 비교표에 반영하겠다. 5070 Ti 한 장의 데이터로는 일반화가 안 된다.

위 프롬프트 여덟 개는 그대로 복사해 써도 되고 더 보고 싶은 화풍이 있으면 알려주기 바란다.

---

고지 — 본문의 소스 인물 이미지는 AI 생성물이며 실존 인물이 아니다. Krea 2 Identity Edit 로라는 커뮤니티 파인튜닝이며 Krea.ai 공식 제품이 아니다. 모든 수치는 RTX 5070 Ti 16GB 단일 환경에서 워밍업 후 측정했다.

참고 자료

• lbouaraba/comfyui-krea2edit — GitHub
• Krea 2 Identity Edit v1.2 — Civitai
• ostris/ComfyUI-Krea2-Ostris-Edit — GitHub
• ostris/krea2_turbo_style_reference — Hugging Face
• Krea 2 Community License Agreement