LLM 기반 레이어 분해 및 재합성 파이프라인을 통한 AI 이미지 제어권 확보

Context

Single-pass 생성 방식의 특성상 프롬프트 수정 시 전체 씬의 조명과 기하학적 구조가 변하는 Seed 재설정 문제 발생. Inpainting과 Reference Conditioning만으로는 폐색 영역(Occluded regions)의 완전한 복구가 불가능한 설계적 한계 존재.

Technical Solution

• Analyzer LLM을 통한 입력 이미지의 JSON Blueprint 추출 및 배경, 중경, 전경, 피사체 등 7개 Candidate Layer 정의
• 7개의 Parallel Extractor LLM을 활용해 각 레이어별 Isolation Prompt를 개별적으로 생성하는 분산 처리 구조
• NanoBanana Pro 노드를 이용한 Chroma Green 배경 기반의 레이어별 독립적 재생성으로 위치, 스케일, 조명의 일관성 유지
• Background-removal 노드를 통한 투명도 확보 및 최종 Render Pass에서의 Lighting-coherent 합성 공정 설계
• Node Graph 기반의 워크플로우 구성을 통한 개별 요소의 자유로운 이동, 스케일 조정, 교체 가능성 확보

Key Takeaway

최종 결과물을 한 번에 생성하는 방식에서 탈피하여 분석-분해-재합성 단계로 파이프라인을 세분화함으로써 생성형 AI의 결정론적 제어 가능성을 극대화하는 아키텍처 설계 전략