브랜드 Doodles가 자사 스타일 가이드로 Krea 2 커스텀 LoRA를 학습시켜 스타일 재현 문제를 해결했다. 시중 모든 모델을 시험했지만 “거의 Doodles”에 머물렀던 결과가, 스타일을 한 번 학습시킨 뒤 재사용하는 방식으로 바뀌었다.

 

 

 

Doodles는 소셜 숏폼, 유명 아티스트와의 뮤직비디오, TIFF에서 프리미어 상영한 단편을 통해 수십억 조회수를 기록한 브랜드다. 시리얼 상자, 크록스, 맥도날드 홀리데이 컵에도 등장했다. 형식이 무엇이든 스타일이 정확해야 한다. 스타일 자체가 브랜드이기 때문이다.

 

 

 

단순해 보이지만 규칙으로 돌아간다

번트 토스트 Doodles 아티스트 겸 CEO는 자사 스타일이 겉보기에 단순하지만 상당히 공식화되어 있으며, 무언가 어긋나면 쓸 수 없게 된다고 밝혔다.

 

 

하나라도 어긋나면 Doodles로 읽히지 않는다. ‘거의 Doodles’가 되는데, Krea는 이것이 아무것도 없는 것보다 나쁘다고 표현했다.

 

 

 

시중 모델 전체가 같은 지점에서 멈췄다

Doodles는 인터넷 기반 브랜드에 필요한 물량과 속도를 감당하면서도 스타일을 희석하지 않기 위해 AI를 택했다. 팀이 내건 조건은 품질을 타협하지 않으면서 최대한 많은 작업물을 빠르게 만드는 것이었다.

 

Doodles 측은 확실하게 브랜드에 맞는 결과를 찾아 시중의 모든 모델을 시험했지만 전부 어려움을 겪었다고 밝혔다.

 

결과는 늘 비슷했다. 눈이 제자리를 벗어나고, 이 스타일에 쓰지 않는 그라데이션이 채움에 끼어들고, 팔레트가 흔들리거나 그림자가 탁해졌다. 정신은 가까운데 결국 틀린 결과였다.

 

Krea는 이것이 구조적인 문제라고 봤다. 대부분의 이미지 모델이 안전하고 매끄러운 하나의 기본값으로 수렴하면서, 거기 맞지 않는 표현적인 일러스트 스타일을 조용히 평탄화한다는 것이다.

 

Doodles가 필요했던 것은 더 나은 프롬프트가 아니라 자사 스타일과 그 세부를 읽고 재현할 수 있는 모델이었다. Doodles 측은 시각적으로 문해력 있는 모델이 필요했다고 표현했다.

 

LoRA로 스타일을 가르치다

Krea는 Krea 2가 이 지점을 겨냥해 만들어졌다고 설명했다. 대부분의 모델이 하나의 다듬어진 외양에 최적화되는 반면, Krea 2는 스타일 자체를 중심에 두고 설계됐다. 프롬프트를 읽는 능력만큼 시각 언어를 읽고 재현하는 데 공을 들였으며, 다른 모델이 매끄럽게 지워버리는 표현적인 일러스트 방향에 강점이 있다는 것이다.

 

다만 모델만으로 끝나지 않았다. Doodles는 자사 필드가이드로 커스텀 Krea 2 LoRA를 직접 학습시켰다.

 

LoRA는 좁고 일관된 데이터셋으로 학습시키는 경량 모델이다. 프롬프트마다 시각 방향을 다시 설명하는 대신, 한 번 가르쳐두고 Krea 2 위에 레이어로 얹어 재사용한다. 적용 강도를 조절할 수 있고 다른 LoRA와 겹쳐 쓸 수도 있다. Krea는 이를 프롬프트로 설명하기 어려운 것들을 위한 지속적 기억이라고 표현했다.

 

Doodles는 자사 캐릭터와 규칙을 추린 데이터셋으로 LoRA를 학습시켰다. 매번 다시 서술해야 했던 스타일이, 그것을 이미 아는 재사용 가능한 모델로 바뀐 것이다.

 

결과

LoRA 학습 후 같은 브리프를 다른 상위 이미지 모델에도 돌려봤다. 인상적으로 가까운 결과가 나왔고 Doodles에서 영감받은 것이 분명해 보였지만, 여전히 ‘거의’에서 멈췄다. 눈이 흔들리고 그라데이션이 스며들고 팔레트가 벗어났다.

 

Krea 2와 Doodles LoRA 조합이 그 간격을 메웠다. 눈이 제자리에 놓이고, 채움이 평면으로 유지되고, 팔레트가 정확하고, 그림자가 어두워지는 대신 이동했다.

 

 

 

Krea는 변화의 의미가 개별 이미지 한 장보다, 스타일이 마침내 안정적이 되면서 무엇이 가능해졌는지에 있다고 정리했다. 스타일을 완성하는 일이 병목이 아니게 되면서 문화적 순간이 지나가는 동안에도 시의성 있는 작업을 내보낼 수 있고, 물량이 늘어도 스타일이 희석되지 않는다는 것이다.

 

의의 및 전망

이 사례의 핵심은 모델 선택이 아니라 스타일을 한 번 학습시켜 재사용하는 방식에 있다. LoRA는 특정 서비스에 묶인 개념이 아니라 여러 이미지 모델에서 쓸 수 있는 방법이다.

 

고정된 시각 규칙이 있는 작업이라면 참고할 만하다. 색상을 헥스 값으로 고정하고, 표정과 비율의 규칙을 문서로 정리하고, 그것을 데이터셋으로 만드는 순서다. 며칠 전 다룬 AI 이미지 프롬프트 가이드에서도 색을 이름 대신 헥스 코드로 지정하라는 권고가 있었다.

 

다만 이 글은 Krea가 자사 고객 사례로 작성한 자료다. 다른 모델이 어떤 조건에서 시험됐는지, LoRA 학습에 어느 정도 규모의 데이터셋이 쓰였는지는 공개되지 않았다.

 

📅 원문 날짜: 2026년 7월 30일 | 출처: Krea Blog