LoRA 학습, 내 제품 전용 AI 만들 때 준비물

LoRA 학습은 기본 이미지 모델은 그대로 두고, 자기 제품 사진 수십 장으로 작은 추가 파일을 익히게 해 제품의 모양 · 색 · 라벨을 더 가깝게 재현하게 하는 방법입니다. 결과를 가르는 것은 장수보다 각도 · 배경 · 빛이 고르게 다른 원본이고, 학습 전에 기본 모델의 라이선스와 학습 사진의 권리부터 확인합니다. 라벨 글자처럼 한 획도 틀리면 안 되는 부분은 학습한 모델로도 매번 같게 나오지 않으므로, 판매용 컷은 원본 누끼(배경을 지우고 제품만 오려 낸 이미지)를 얹어 마무리합니다.

LoRA 학습이란 무엇인가요

LoRA(Low-Rank Adaptation)는 2021년 논문에서 제안된 방식으로, 미리 학습된 모델의 가중치는 얼려 두고 작은 학습용 행렬만 끼워 넣어 학습할 값의 수를 크게 줄입니다. 이미지 생성 도구 문서(디퓨저스)는 이 덕분에 학습이 빠르고 메모리를 적게 쓰며, 결과 파일이 수백 MB 안팎으로 작아 보관 · 공유가 쉽다고 설명합니다. 기본 모델 파일과 따로 저장돼, 생성할 때 기본 모델에 얹어 씁니다.

모델 전체를 다시 학습하는 드림부스(DreamBooth)도 몇 장의 사진으로 특정 대상을 익히게 하는 방법이고, LoRA와 함께 쓰면 학습이 빨라집니다. 반대로 학습 없이 참조 이미지를 넣는 방식은 준비가 가장 가볍지만 세부 재현은 약합니다. 셋을 고르는 기준은 마지막 절에 표로 정리했습니다.

LoRA 학습 방법 — 제품 사진 몇 장이 필요한가요

정해진 장수는 없습니다. 디퓨저스의 드림부스 공식 예제는 강아지 사진 5장으로 학습하고, 제품은 각도와 라벨면을 고르게 담으려면 그보다 많이 준비합니다. 아래 장수는 예시로 가정한 값이고, 첫 학습 결과를 보고 빈 각도를 보충합니다.

사진은 직접 찍었거나 쓰는 범위에 AI 학습이 들어간 사진만 씁니다. 촬영을 맡겨 받은 사진이면 계약서의 사용 범위 줄부터 확인합니다.

LoRA 학습은 어떤 순서로 하나요

1. 사진 정리 — 준비물 표대로 고르고, 파일 이름에 각도 · 배경을 넣습니다(예: front_white_01). 빈 칸이 보이면 이때 더 찍습니다.
2. 설명 달기 — 사진마다 한 줄씩, 고유 낱말을 맨 앞에 두고 각도 · 배경 · 빛을 적습니다. 드림부스 공식 예제는 고유 낱말로 sks를 씁니다.
3. 학습 — 기본 모델과 해상도를 정하고, 중간 저장본을 여러 번 남기도록 설정합니다. 마지막 저장본이 늘 가장 낫지 않기 때문입니다.
4. 시험 생성 — 고정 프롬프트 10개(정면 단색 배경 · 손에 든 장면 · 야외 등)를 저장본마다 같은 시드로 돌려 나란히 놓습니다.
5. 보정 — 고른 저장본으로 만든 컷도 라벨 · 로고 부분은 원본 누끼로 덮고, 색은 원본 사진에 맞춰 보정합니다.

컷마다 쓴 저장본 이름 · 시드 · 프롬프트는 AI 제품 컷 기록표에 칸을 더해 남깁니다. 같은 컷을 다시 뽑거나 다른 사람이 이어받을 때 이 줄만 보면 됩니다.

LoRA 학습 시간은 얼마나 걸리나요

장비 · 기본 모델 · 해상도 · 사진 수 · 반복 횟수에 따라 크게 달라 한 숫자로 말할 수 없습니다. 기준점 하나는 공식 예제입니다 — 디퓨저스 문서는 스테이블 디퓨전 1.5 기반 LoRA 예제(만화 그림과 설명 문구 묶음, 512px)가 11GB 그래픽카드 한 장에서 약 5시간 걸린다고 적습니다. 제품 LoRA는 사진 수와 설정이 이 예제와 달라 시간도 달라지므로, 첫 학습을 작은 설정으로 한 번 돌려 걸린 시간을 재고 일정을 잡습니다.

사람 손이 드는 시간은 학습보다 앞뒤에 몰립니다. 빈 각도를 다시 찍는 시간, 설명 문구를 다는 시간, 저장본별 시험 컷을 판정하는 시간을 따로 일정표에 넣습니다.

학습 결과는 무엇을 점검하나요

과학습은 학습 사진을 너무 그대로 외워 다른 장면을 그리지 못하는 상태입니다. 디퓨저스 문서도 드림부스가 학습 설정에 민감해 과학습이 쉽게 일어난다고 적습니다. 그래서 4단계에서 저장본을 여러 개 견주는 것입니다.

LoRA 학습 전에 확인할 권리는 무엇인가요

세 가지를 확인한 날짜와 함께 적어 둡니다. 해석이 갈리는 부분은 단정하지 않고 라이선스를 낸 곳이나 전문가에게 확인합니다.

• 기본 모델 라이선스 — 2026년 10월 19일 원문 기준으로, Stability AI 커뮤니티 라이선스(스테이블 디퓨전 3.5 등)는 연 매출 100만 달러 미만이면 상업 이용까지 무료이고 상업 목적이면 등록하며, 넘으면 별도 라이선스를 요청합니다. 만든 파생물은 이용자 것이고, 결과물은 Stability AI와의 관계에서 법이 허용하는 범위 안의 이용자 것이라고 적습니다. SDXL 1.0은 CreativeML Open RAIL++-M 라이선스입니다. FLUX [dev] 비상업 라이선스(v2.0, 2025년 11월 25일 개정)는 모델 사용과 파생물(미세 조정한 모델 포함) 제작을 비상업 목적으로 한정하고 수익 활동은 비상업 목적이 아니라고 적어, 회사 판매용 작업 전에는 상업 라이선스를 문의합니다. 모델별 조건은 스테이블 디퓨전 라이선스 글에 표로 있습니다.
• 학습 사진의 권리 — 자기 회사가 찍었거나 AI 학습까지 쓰는 범위를 받은 사진만 넣습니다. 사람이 나온 사진은 빼거나 얼굴을 잘라 내고, 남의 그림체 · 실존 인물은 학습 대상으로 삼지 않습니다.
• 결과 파일의 관리 — 학습한 LoRA 파일에는 제품 정보가 담겨 있어 외부에 올리지 않습니다. 외주로 학습하면 파일을 누가 갖는지, 다른 작업에 다시 쓰지 않는지를 계약서에 한 줄씩 적습니다.

LoRA 학습 사이트 · 도구는 어떤 기준으로 고르나요

학습할 곳은 네 갈래이고, 사진이 가는 곳과 남는 파일이 다릅니다.

웹 서비스는 약관에서 세 줄을 찾아 캡처합니다 — 올린 사진을 학습 등 다른 용도에 쓰는지, 학습한 파일을 내려받을 수 있는지, 어떤 기본 모델과 라이선스를 쓰는지. 세 줄 가운데 하나라도 찾을 수 없으면 출시 전 제품 사진은 올리지 않습니다.

자주 묻는 질문

제품 여러 개를 LoRA 하나에 함께 학습해도 되나요?

처음에는 제품마다 하나씩 나누는 편이 점검하기 쉽습니다. 한 파일에 섞으면 두 제품의 모양 · 색이 서로 섞여 나올 때 어느 사진이 원인인지 찾기 어렵습니다. 같은 용기에 라벨만 다른 제품군이라면 용기 모양을 먼저 하나로 학습하고, 라벨은 원본 누끼로 얹는 방식이 관리가 간단합니다.

제품 디자인이 바뀌면 다시 학습해야 하나요?

모양이나 라벨이 바뀌면 새 사진으로 새 판을 만듭니다. 옛 판은 지우지 않고 파일 이름에 제품 판과 날짜를 붙여 보관하면, 옛 디자인으로 만든 컷을 다시 손볼 때 그 판을 씁니다. 색만 조금 바뀌었다면 학습 대신 색 보정으로 맞출 수 있는지 먼저 시험합니다.

모델이 제품을 들고 있는 사진을 학습에 넣어도 되나요?

넣지 않는 쪽을 원칙으로 둡니다. 사람 얼굴이 함께 학습되면 생성한 컷에 그 사람과 닮은 얼굴이 나올 수 있고, 촬영 때 받은 동의 범위에 AI 학습이 들어 있지 않을 수 있습니다. 손에 든 장면이 필요하면 얼굴이 나오지 않게 손과 제품만 찍은 사진을 따로 준비합니다.

학습한 모델로 만든 컷도 AI 생성 표시를 하나요?

학습 여부와 관계없이 AI로 만든 이미지이므로, 다른 AI 컷과 같은 기준으로 표시합니다. 컷 기록에 기본 모델 · LoRA 파일 이름 · 시드를 함께 남겨 두면 어떤 컷이 어느 판으로 만들어졌는지 나중에도 확인할 수 있습니다.

오늘 할 일

판매 중인 제품 하나를 골라, 지금 가진 사진을 각도(정면 · 45도 · 옆 · 뒤 · 위)와 배경으로 나눈 표에 한 장씩 세어 넣으십시오. 비어 있는 칸이 학습 전에 더 찍을 사진 목록입니다.

이어서 읽기 — AI 이미지 스타일, 톤 고정 3가지와 예시 8개 · AI 모델 시안, 얼굴 3안 고르는 기준표