일상컷 - 캐주얼 데일리 사진 생성 워크플로

범용 레퍼런스: Gemini API, 프롬프트 패턴, 유틸리티 함수 등 워크플로에 종속되지 않는 기초 지식은 이미지생성_레퍼런스_image-gen-reference/SKILL.md 참조

템플릿 파일: prompt-templates/daily_casual.json

컨셉

셀피(본인 촬영)가 아닌, 다른 사람이 찍어주거나 타이머/거치대로 촬영한 캐주얼 일상 사진. 브랜드컷(에디토리얼)과 셀피의 중간 지점으로, 자연스럽고 꾸미지 않은 느낌이 핵심.

셀피 vs 일상컷 차이

항목	셀피	일상컷
촬영자	본인 (팔 뻗기)	타인 또는 타이머
프레이밍	얼굴 클로즈업~상반신	상반신~전신 다양
앵글	높은 각도 (셀카 앵글)	eye-level 또는 다양한 각도
렌즈 왜곡	강한 wide-angle	보통 수준
포즈	셀카 포즈	자연스러운 일상 동작
배경	보케 처리	배경 인식 가능

사용법

code

/일상컷_daily-casual MLB 카페에서 앉아있는 사진 3장
/일상컷_daily-casual Discovery 거리 걸어가는 스트릿 컷 2장
/일상컷_daily-casual Banillaco 골든아워 공원 산책 4장
/일상컷_daily-casual 남친짤 느낌 데이트룩 카페 2장

Python 워크플로 (API 연동용)

python

from workflow import ImageGenerationWorkflow

workflow = ImageGenerationWorkflow(api_key="YOUR_API_KEY")

result = workflow.generate(
    user_input="MLB 카페에서 앉아있는 사진 3장",
    template="daily_casual",        # 일상컷 템플릿
    model_images=[face_pil],         # 얼굴 유지용
    outfit_images=[outfit_pil],      # 착장 반영용
    input_vars={
        "gender": "여성",
        "age": "20대 초반",
        "shot_type": "sitting_candid",  # AI가 자동 선택 또는 지정
        "location": "카페 내부",
        "lighting": "indoor_ambient"
    },
    count=3,
    max_workers=4
)

파이프라인 (5단계)

code

사용자 입력 → Step 1: 브랜드 라우팅 + 템플릿 로드
            → Step 2: AI 판단 (shot_type, pose, lighting 자동 선택)
            → Step 3: 프롬프트 조립
            → Step 4: 이미지 생성 (Gemini 3 Pro, 2K)
            → Step 5: 검증 + 결과 반환

Step 1: 브랜드 라우팅 + 템플릿 로드

브랜드 라우팅 테이블 → CLAUDE.md "브랜드 라우팅 테이블" 참조

사용자 요청에서 브랜드를 감지하고, daily_casual.json 템플릿과 해당 brand DNA를 로드합니다.

Step 2: AI 판단 (자동 선택)

daily_casual.json의 _ai_guide에 따라 사용자 요청에서 키워드를 파악하고 최적 조합을 선택합니다.

Shot Type 자동 매칭

사용자 키워드	→ shot_type
"친구가 찍어준", "스냅"	`friend_snap`
"남친짤", "여친짤", "데이트"	`boyfriend_shot`
"걸어가는", "거리", "스트릿"	`walking_candid`
"카페", "앉아있는", "벤치"	`sitting_candid`
"OOTD", "전신", "코디"	`timer_shot`
"뒷모습", "감성", "풍경"	`over_shoulder`

Pose 자동 매칭

사용자 키워드	→ pose_type
"서있는", "기본"	`natural_stand`
"걷는", "걸어가는"	`walking`
"기대", "벽", "쿨한"	`leaning`
"앉아", "카페"	`sitting_casual`
"캔디드", "자연스러운"	`looking_away`
"웃는", "밝은"	`laughing`

Lighting 자동 매칭

사용자 키워드	→ lighting
"야외", "맑은 날"	`outdoor_daylight`
"석양", "노을", "감성"	`golden_hour`
"흐린", "부드러운"	`overcast`
"카페", "실내"	`indoor_ambient`
"밤", "네온"	`night_street`

Step 3: 프롬프트 조립

선택된 shot_type, pose, lighting과 brand DNA를 병합하여 Gemini API 프롬프트를 조립합니다.

프롬프트 구조

code

[shooting_style] + [device] + [subject 정보] + [attire/brand] +
[pose prompt_fragment] + [shot_type 특성] + [lighting setup] +
[environment] + [technical specs] + [brand_injection]

예시 조립 결과

code

candid daily life photo, taken by friend or timer, iPhone 15 Pro 24mm f/1.9,
young Korean woman, early 20s, realistic skin texture natural pores,
wearing MLB casual everyday style, sitting casually on cafe chair legs crossed,
friend at eye-level 1-2 meters distance, mixed window light and indoor ambient,
cafe interior warm atmosphere, 2K resolution, smartphone natural bokeh,
in the style of MLB Marketing

Step 4: 이미지 생성

API 설정 코드 패턴, 모델, 해상도, 에러 처리 → CLAUDE.md "Gemini API 절대 규칙" 참조 구현 코드 레퍼런스 → 이미지생성_레퍼런스_image-gen-reference/SKILL.md Section 2 참조

일상컷 전용 설정값:

설정	값	비고
temperature	0.3	자연스러움 확보
aspect_ratio	4:5 (기본) / 9:16 (세로) / 3:4	사용자 지정 가능

Step 5: 검증

생성된 이미지의 품질을 VLM으로 검증합니다.

일상컷 전용 검증 기준

기준	가중치	설명
자연스러움	30%	포즈, 표정이 자연스러운가? 모델 느낌이 아닌가?
인물 보존	25%	얼굴/체형이 원본과 일치하는가?
카메라 리얼리즘	20%	실제 폰/디카로 찍은 것처럼 보이는가?
착장 반영	15%	의상이 정확히 반영되었는가?
배경 적합성	10%	요청한 장소/분위기와 맞는가?

실패 시 자동 재시도

•자연스러움 < 80: 포즈/표정 프롬프트 보강
•카메라 리얼리즘 < 80: 폰 카메라 특성 프롬프트 강화
•temperature 하향: 0.3 → 0.2 → 0.15