Stable Diffusion의 Negative Prompt, 정말로 효과가 있는 것은 ○○였다 — 30종 ON/OFF 검증

동기

Stable Diffusion을 사용하기 시작한 지 얼마 지나지 않아, SNS나 Civitai 페이지에서 **「일단 이것 전부 negative에 넣어라」**라는 프롬프트 모음을 보게 됩니다. extra fingers,
bad anatomy,
mutated hands,
worst quality
...
50개 이상의 리스트도 흔합니다.

매번 복사해서 붙여넣는 것도 번거롭고, **「이것 전부, 정말로 효과가 있는 걸까?」**라고 의문을 품은 적은 없으신가요.

조사해 봐도 나오는 것은 「이것을 넣으면 예뻐진다(고 한다)」라는 체험담뿐이며, **정량적인 비교 (quantitative comparison)**는 의외로 적습니다. 그렇다면 직접 해보자, 라는 것이 이번 검증의 동기입니다.

무엇을 했는가

주요 negative 30종을 선정하여, 각각에 대해 다음의 2종을 동일한 프롬프트 · 동일한 seed · 동일한 모델 · 동일한 Sampler · 동일한 CFG로 생성했습니다:

OFF: 베이스 negative (EasyNegative + 표준 anti-mutation 군)만 사용 -
ON: 베이스 negative + 해당 단어를 추가한 것

이를 10개의 seed로 반복하여, 30 × 2 × 10 = 600장을 생성. 각 (negative, seed) 쌍에 대해, OFF/ON 이미지를 CLIP ViT-L/14로 특징량(feature)으로 변환하고, 코사인 유사도 (cosine similarity)의 보수 = diff(0 = 효과 없음, 1 = 완전히 다른 이미지)를 계산했습니다.

검증 셋업

항목	값
모델	RealCartoon3D v18 (SD1.5, 상업적 이용 가능)
...

베이스 negative의 내용은 널리 퍼져 있는 표준 세트(P2 상품과 동일)를 사용하고 있습니다. 이것이 중요한 포인트이며, 후술하겠습니다.

결과 1: 효과 랭킹 상위 5 (스타일 계열이 압도적)

순위	negative	mean_diff
1	grayscale	0.119
2	3d	0.114
3	monochrome	0.095
4	oversaturated	0.090
5	realistic	0.090

이미지의 「방향성」을 바꾸는 단어가 압도적으로 효과가 있습니다. grayscale은 채도를 전부 빼앗고, 3d는 카메라 앵글/질감을 편향시키며, monochrome은 색감을 통일합니다. 이것들은 부정적인 지시로서 「이미지 전체를 다른 register로 밀어넣기」 때문에, effect가 큰 것은 납득할 수 있습니다.

결과 2: 효과 랭킹 하위 5 (의외의 발견)

순위	negative	mean_diff
26	username	0.038
27	missing fingers	0.034
28	malformed limbs	0.034
29	disfigured	0.032
30	extra fingers	0.020

extra fingers가 최하위(mean_diff 0.020). 1위인 grayscale(0.119)과 비교하면 6배의 차이입니다.

왜일까요?

베이스 negative 안에 이미 「extra fingers」, 「extra digit」, 「mutated hands and fingers」가 3중으로 들어있기 때문입니다. 거기에 extra fingers를 새롭게 추가해도, CLIP 특징 공간(feature space)에서는 감지할 수 있는 수준의 차이는 거의 발생하지 않습니다.

같은 이유로 missing fingers / malformed limbs / disfigured도 최하위 그룹입니다. **베이스 negative에 이미 나와 있어서 중복(redundant)**이라는 것이 실증 데이터로부터 말할 수 있는 점입니다.

무엇을 의미하는가

"포괄적인 베이스 negative를 사용하고 있는 사람에게 있어, 해부학 계열 negative의 추가는 효과가 극히 작다"

이것은 SNS에서 퍼지고 있는 「일단 넣어두는 리스트」의 절반 정도는 무의미하다는 주장의 근거가 됩니다. 물론, 베이스 negative (base negative)가 옅은 경우는 예외입니다. mutated hands를 베이스로 넣지 않은 사람에게는, 추가로 extra fingers를 넣는 효과가 클 가능성이 있습니다.

즉, 실용적인 판단으로는:

• 베이스 negative를 구성한다 → 포괄적인 (comprehensive) anti-mutation 군을 한 번 제대로 만든다 (EasyNegative + 약 50개 단어)
• 그 후, 추가로 넣는 단어는, effect_ranking (효과 순위) 상위의 스타일 계열 (grayscale / 3d / monochrome / oversaturated / realistic / painting / noise)로 압축한다
• 해부학 계열의 중첩은 효과 대비 비용이 크다 (프롬프트 토큰 압박의 원인)

이 순서가 CLIP 특징 측면에서 보았을 때 「가장 효과적인 negative 전략」이 됩니다.

이어지는 검증 과제

• 다른 모델 (SDXL / Pony / anime 계열)에서 동일한 작업을 수행했을 때 순위가 바뀌는가? (아마도 바뀔 것임)
• 베이스 negative를 최소화 (minimal) 했을 경우, 해부학 계열이 정말로 효과가 있는가? (아마도 효과가 있을 것이며, 이것이 「초보자들이 리스트를 원하는 이유」임)
• 두 개의 negative를 동시에 넣었을 때, 효과는 가산적(additive)인가? (Pairwise 검증)

이러한 부분들은 향후 검증 소재로 삼을 예정입니다.

데이터셋 공개

본 검증에서 생성한 원본 이미지 600장 + 전체 30종의 negative 효과 랭킹 CSV + 상세 해설 README는 Booth에서 판매하고 있습니다:

가격 1,200엔이며, 다음 내용이 동봉됩니다:

• 전체 600장 이미지 (512×512 PNG)
• 엄선된 60장 (차이 상위 30개 페어의 OFF/ON 모두 포함)
• 메인 그리드 3장 + 하이라이트 그리드 2장
• effect_ranking.csv (본 기사의 핵심 데이터, 30 negative × 효과 스코어)
• pair_diffs.csv (전체 300개 페어 × cosine 차분, 직접 재분석 가능)
• metadata.csv (모든 이미지의 생성 파라미터, 재현 가능)

「자신의 검증」을 Booth에서 구매하여 재현 스크립트까지 함께 가져옴으로써, 월 수천 엔으로 며칠 분량의 자기 실험을 압축할 수 있습니다. SDXL이나 다른 모델에서 「자신만의 버전」을 만드는 토대로도 사용할 수 있습니다.

요약

• Negative prompt 30종을 ON/OFF로 검증
• 스타일 계열 (grayscale / 3d / monochrome / oversaturated / realistic)이 압도적으로 효과적임
• 해부학 계열 (extra fingers / missing fingers / disfigured 등)은 베이스 negative에 이미 포함되어 있다면 효과가 거의 0임
• 「일단 넣어두는 리스트」를 의심할 수 있는 근거 데이터를 확보함

「당신의 negative 리스트, 정말로 효과가 있습니까?」를 데이터로 확인하고 싶은 분은 꼭 Booth 페이지를 확인해 주시기 바랍니다.

MetAIra(@MetAIra)

SD 검증 데이터셋을 정기적으로 제작하고 있습니다. 다음에는 Sampler × CFG 거동 맵이나 모델 비교 검증 기사도 선보일 예정입니다.

Discussion

안녕하세요, 쿠라타라고 합니다.

SD1.5 시대부터 negative를 넣어도 손가락이 개선되지 않는 것을 보고, 넣지 않는 것부터 시작하여 필요에 따라 추가하고 있습니다.

Positive 프롬프트에 realistic을 일러스트용 모델에 사용하거나, anime style을 실사 계열 모델에 사용하는 것도 재미있습니다.

Civitai의 negative를 무비판적으로 수용하면 구도가 고정되어 곤란한 경우도 있었습니다.