올해 아이돌 관련해서 가장 이슈가 있던 사건은 하이브-민희진 간의 갈등이다. 개인적으로 해외에서 뭔가 볼법한 일이 국내에서 일어나서 흥미로웠다. 민희진의 인터뷰에서 가장 흥미로웠던 것은 자신에 대한 확신이었고, 스포티파이의 스트리밍 실적을 보면 확실히 뉴진스가 블랙핑크, 피프티피프티를 제외하고 가장 뛰어났다.
(참고로 피프티피프티는 Cupid 만 성공을 했지만, 이곡의 세가지 버전을 합치면, 블랙핑크의 How You Like That 보다 스트리밍이 더 많다.)
아일릿이 신인이고 뉴진스와는 데뷔 연차가 조금은 차이나는데 생각보다 공격적인 태도를 보여서 Magnetic이 얼마나 성공했는지 문득 궁금해졌다. 그리고 자료를 정리하면서 뉴진스의 곡 중 흥행한 곡과, 에스파, 르세라핌, 베이비몬스터, 아일릿, 뉴진스 이렇게 다섯그룹의 스포티파이 스트리밍 실적을 차트로 만들어 보았다.
2024년 상반기 여자아이돌 스포티파이 음원 스트리밍
2024년 상반기 여자아이돌 스포티파이 음원 스트리밍
스포티파이 스트리밍 기준으로 아일릿 Magnetic의 데뷔는 지금까지 모든 여자 아이돌 중 가장 성공적이라고 볼 수 있을 정도의 스트리밍이 나왔다.
확실히 두번째 위치에 에스파의 Supernova가 있으며 세번째에 베이비몬스터와 르세라핌이 있다. 참고로 르세라핌의 EASY 보다는 Smart의 스트리밍이 더 많으며, 개인적으론 르세라핌의 Smart와 베이비몬스터의 SHEESH가 비슷할 것으로 생각이 된다.
EASY 다음으로는 에스파의 Armageddon, 그리고 뉴진스의 Hot Sweet, 마지막으로 Bubble Gum이 위치한다고 볼 수 있다.
아일릿 vs 뉴진스
ILLIT-Magnetic / NewJeans-Super Shy, OMG, Ditto
현재 진행중인 이슈를 떠나서 아일릿의 Magnetic은 뉴진스와 비교할 정도의 성공을 거두었다고 볼 수있다. Super Shy의 고점이 제일 높지만 그에 못지않은 스트리밍을 보여줬고 장기적으로 두 곡의 스트리밍은 비슷하지 않을까 추측된다. Ditto 보다는 분명히 실적이 좋을 가능성이 있고 상당한 롱런을 보여준 OMG 정도의 스트리밍 양을 보여줄지는 앞으로 추세가 결정할 것으로 생각된다.
선공개 싱글을 내는 이유
스포티파이의 스트리밍 차트를 보면 두번에 나누어서 음반을 내놓는 것이 흥행에 상당히 유리하다는 것을 볼수 있다. Super Shy의 최고점은 Get Up이 나왔을 때 달성됬고 Supernova또한 마찬가지 이다. EASY의 경우는 그럼에도 불구하고 하락새를 보여줬고, 그런 전략이 없는 이번 뉴진스의 싱글은 지금 추세가 이어질 것으로 보인다.
ChatGPT를 포함한 다양한 인공지능 모델이 소개되면서, 특히 언어 모델 분야에서도 많은 발전이 이루어졌다. 그렇지만 그림 인공지능 모델에 비해 언어 모델은 상대적으로 일반 사용자들이 접근하기 어렵다는 단점이 있고, 그래서 그걸 극복하려는 다양한 방법을 사람들이 모색을 했다. 이 글에서는 언어 모델을 가볍게 체험해 볼 수 있는 방법들을 소개하고자 한다.
그림 인공지능에서의 automatic1111-WebUI나 ComfyUI 같이 언어 생성 모델을 사용할 수 있게 만드는 프로그램이다. 그림 인공지능의 WebUI의 언어 모델 버전을 목표로 시작된 프로젝트로, 초기에는 애니메이션 캐릭터와 대화하는 기능이 주력이다. 챗봇의 기본 프로필 사진이 애니메이션 그림이었지만 지금은 그런 흔적이 사라진 상태다. 로컬에 설치를 할 수 있지만 Colab에서도 돌릴 수 있다.
기본적인 파인튜닝 기능도 제공하고 있으며 허깅페이스에서 모델을 다운로드하는 기능도 제공한다. Colab에서 돌릴 시 직접 모델 파일을 계정에 올리기보다는 실행 후 여기서 제공하는 기능으로 모델을 다운로드하는 것을 추천한다.
LLMs (언어 생성 모델)
ChatGPT 이후 여러 모델이 나왔는데 주로 어떤 모델이 있는지, 그리고 대용량 원본 언어 모델 대신에 양자화된 모델의 링크를 정리다. 양자화란 모델의 크기를 줄이거나 처리 속도를 올리기 위한 방법인데, 컴퓨터의 성능이 제한적인 사용자들에게 매우 유용한 방법이다. 물론, 성능이 충분하다면 원본 모델을 사용하면 되지만, Colab으로 돌릴 시 GGUF로 변환된 모델을 사용하는 것을 추천한다. 다만 품질은 원본에 비해 떨어진다고 볼 수 있다.
참고로 이러한 작업을 전문적으로 해주는 허깅페이스 유저가 있다. 바로 ‘theBloke’라는 사용자인데, 유명한 모델은 웬만해선 이분이 다 변환을 해서 업로드가 되어있습니다. 아래의 링크는 모두 이 유저가 올린 모델과 연결된다. 요구되는 VRAM 용량에 맞게 파일을 다운로드면 되는데, Colab에서 무료로 제공하는 GPU는 테슬라 T4로 램이 15G이기 때문에 이 이하의 용량을 요구하는 모델을 받으면 된다.
LLAMA3 – 메타
며칠 전에 공개된 라마3 GGUF 링크를 남긴다. 참고로 theBloke라는 사용자가 아닌 QuantFactory라는 사용자가 변환한 것이다. 참고로 아래 소개된 모델 쓸 필요 없이 이것만 쓰면 된다고 할 정도로 성능이 인상적이다.
개인적으로 조금씩 네 가지를 써봤는데 잠깐만 썼기에 제대로 파악한 것은 아니지만 각각의 모델별로 크게 성능 차이가 있다고 느끼지는 못했다.
qlora, 파인튜닝
Text Gen WebUI에서도 Lora가 가능하지만 그냥 학습을 하면 상당히 높은 성능의 GPU가 필요하게 된다. 하지만 qlora라는 방식으로 파인튜닝을 하면 상대적으로 저성능의 GPU에서 학습이 가능하다. 위의 두개는 GGUF로 학습하는게 아닌 원본 모델을 불러와서 학습하는 자료이며
qlora를 할 수 있도록 하는 프로그램(이나 Colab)은 많지만 Axolotl이 가장 많이 쓰이는 것으로 보인다.
우리 사회는 연령별 자살률에 대한 관심이 높지만, 지역별 자살률에 대한 논의는 부족한 편이다. 국토가 좁다고 해도 도시와 시골의 구분은 명확하며, 지역마다 문화적 차이가 존재하기 때문에 자살률에도 영향을 미칠 수 있다고 생각된다.
이번 글에서 지역별 자살률, 변화량, 제한적으로 성별 자살률 분석을 통해 다음과 같은 질문에 답하고자 한다.
어느 지역에서 자살률이 높은가?
지역별 자살률은 최근 어떻게 변화했는가?
지역별 자살률 변화량에 영향을 미치는 요인은 무엇일까?
성별에 따른 지역별 자살률 차이가 존재하는가?
참고로 모든 자료는 ‘연령표준화 자살률’을 사용했다. 완벽하게 인구 구조에 따른 영향을 배제할 수 있는지는 모르지만, 단순히 시골 지역이 고령화로 인해 자살률이 높은 것은 보정이 되어있는 자료이다.
지역별 자살률은 2013년부터 2022년 수치의 평균치를 사용하였으며, 변화량은 2013년부터 2017년까지 평균과 2018년과 2022년의 평균을 비교하여 만들었다.
지역별 자살률 (2013~2022)
지역별 자살률 지도를 만들었을 때, 지역에 따른 자살률의 차이를 볼 수 있다. 특히, 충청도와 강원도에서는 자살률이 유독 높게 나타났다. 반면, 수도권에서는 상대적으로 낮은 자살률을 보였다.
충청도와 강원도의 높은 자살률: 두 지역은 고령화가 진행중이, 젊은 인구 유출이 심한 지역이다. 강원도의 경우 다른 지역보다 상황이 열악하지만, 충청도의 경우 반대의 경향이 있기 때문에 단순히 이 이유만으로 두 지역이 높은 것으로 해석하기는 어려워 보인다.
수도권의 낮은 자살률: 상대적으로 높은 경제 수준, 접근성이 좋은 의료 서비스 등이 자살률 감소에 기여했다고 볼 수는 있지만, 이 자료에서 단순히 그러한 결론을 내리기는 어려울 것으로 보인다. 소백산맥 부근의 자살률이 낮은 것을 고려한다면 다른 이유의 가능성이 있을 가능성이 있다.
시군구 별 연령표준화 자살률, 전체 시군구 별 연령표준화 자살률, 경기시군구 별 연령표준화 자살률, 충청 강원시군구 별 연령표준화 자살률, 전라 경상
시군구별 자살률을 정리한 뒤 낮은 지자체는 왼쪽 높은 지자체는 오른쪽으로 정렬한 뒤, 지역별로 색을 입힌 차트다. 경기 지역, 전라-경상 지역, 충청-강원 지역 순서로 자살률이 심각한 지자체가 있다는 것을 볼 수 있다. 특히 충청도-강원도 보다 전라도-경상도의 지자체 수가 많음에도 차트 오른편에서 밀도가 낮은 것을 볼 수 있는데 같은 시골이라 하더라도 상황이 다름을 알 수 있다.
시군구 별 연령표준화 자살률, 시군구
시군구로 나누어 생각을 한다면, 광역시나 대도시의 구가 비교적 자살률이 낮으며 군으로 갈수록 자살률이 높은 지자체가 많아지는 것을 볼 수 있다.
참고로 이 자료는 연령표준화 자료이기 때문에, 단순히 군 지역이 고령화 지역이기에 높다고는 볼 수는 없을 것이다.
지역별 자살률 변화량
앞서 말했듯이 2013년부터 2017년까지의 평균과 2018년과 2022년까지의 평균의 차이를 자료로 사용을 했다. 변화량의 경우 지도에서는 특징이 두드러지게 보이지는 않는다.
지역별 변화는 그렇게 크지 않은 면이 있지만 차트를 만들어서 보았을 때는 수도권과 비수도권이라는 차이가 발생했다.
시군구 별 연령표준화 자살률 변화량, 전체시군구 별 연령표준화 자살률 변화량, 경기시군구 별 연령표준화 자살률 변화량, 충청 강원시군구 별 연령표준화 자살률 변화량, 전라 경상시군구 별 연령표준화 자살률 변화량, 시군구
자살률 변화량을 살펴보면, 수도권은 자살률이 개선되고 있지만, 다른 지역들은 평균적으로 개선이 되지 않는다. 시군구로 나누어보면 군 사이 자살률의 편차가 크게 나왔다. 이는 군 지역의 인구가 적은 편이기에 나온 현상이 아닌지 추측된다.
지역별 성별 자살률 경향
마지막으로 성별 자살률을 살펴보면, 일반적으로 남성과 여성의 자살률은 상관관계가 있다. 다만 시군구로 나누었을 때 군에서는 이러한 상관관계가 나타나지 않는다.
마무리
이 분석을 통해 알 수 있는 점은 지역별 자살률은 도시와 시골, 그리고 특정 지역에 따라 다르며, 둘째, 시간이 지나면서 자살률의 변화는 수도권에서는 감소하는 경향을 보이지, 다른 지역에서는 크게 변화하지 않는 특성 있다. 마지막으로 성별에 따른 자살률은 일반적으로 상관관계에 있으며 군 지역에서는 이러한 현상이 발견되지 않는다는 점이다.
다만 발견된 현상은 있지만 그 원인에 대해서는 알만한 자료나 데이터를 만들지는 못했다. 예를 들면 충청도와 강원도에서 자살률이 높게 나타나는 이유와 수도권의 자살률 감소의 이유가 그러할 것이다.
추가로, 이 자료는 ‘연령표준화 자살률’을 기반으로 하므, 연령에 따른 차이는 배제되어 있다. 그러나 그 밖의 변수는 분석되지 않았으며 그에 따른 영향이 배제된 것은 아니기에 이러한 요인들을 고려해야 좀 더 정확해질 것이다.
최근에 중요 부위를 확대하는 수술을 하다가 중요한 걸 잃어버린 사고의 판결이 나왔다. 그 판결에서 보상금은 2400만 원으로 책정되었는데, 문득 중요한 것의 가격이라는 생각이 들어 좀 더 사례를 찾아보았다.
일단 법원의 가격을 찾아본 뒤, 민간에서 생각하는 가격을 추측하고 해외의 사례와 비교하여 실제 가격은 어떠해야 하는지 탐구하였다.
법원 가격
사례 1. 확대 수술 중 성기 절단
서울신문 2024.02.19 최재헌 기자
링크 서울동부지법은 성기 확대 수술 중 음경이 절단되어 성기능 장애를 갖게 된 남성 A씨가 의사 B씨를 상대로 낸 손해배상 소송에서 원고 일부 승소 판결을 내렸습니다. 판사는 B씨가 무리한 수술을 감행해 A씨에게 피해를 줬다고 판단하였습니다. 그러나 A씨의 과거 수술 이력을 고려하여 B씨의 책임 범위를 60%로 제한하였습니다. 결과적으로 B씨는 치료비, 입원비의 60%인 463만원과 위자료 2000만원을 합해 2463만원을 A씨에게 배상해야 합니다. B씨는 이에 불복해 항소하였습니다.
마냥 2400만 원이라 생각했는데, 기사를 보면 입원비가 463만 원은 빼는 게 실제 가격일 것이다.
시세: 2000만원
사례 2. 확대 3회 후 조직 괴사
세계일보 2016.03.05 현화영 기자
링크 서울중앙지법은 성기 확대 수술 부작용으로 조직이 괴사된 남성 A씨가 의사를 상대로 낸 손해배상 청구소송에서 승소하였다고 밝혔습니다. A씨는 2012년부터 여러 차례 성기 확대 수술을 받았으나, 수술 후 지속적인 통증을 호소하였습니다. 법원은 의사가 환자에게 수술 부작용에 대해 충분히 설명하지 않아 A씨의 자기결정권을 침해했다고 판단하였습니다. 이에 따라 의사에게 800만원의 보상금 지급을 명령하였습니다.
여기서는 세 차례 수술 후 통증 호소한 뒤 보형물을 제거한 사례이다. 이 사례는 결손이 있는 사례가 아니었다. 한편으론 수술은 조심하자.
시세: 800만 원
특이점: 부작용에 대한 판결
사례 3. 포경수술로 절단
노컷뉴스 2013.12.23 박초롱 기자
링크 서울중앙지법은 포경수술 중 성기 일부가 절단된 남성 최씨가 의사를 상대로 낸 손해배상 소송에서 승소하여 1500만원의 배상을 받게 된 판결을 내렸습니다. 최씨는 11살 때 수술 중 사고를 당해 귀두가 절단되었고, 이후 여러 차례 수술을 받았습니다. 판사는 귀두 일부가 소실돼 정상적인 성관계가 힘들 수 있다며, 단순히 성적 감각이 저하된 것으로만 보기 어렵다고 판단하였습니다. 또한, 추후 성기능 장애가 일어날 가능성을 고려해 노동력의 5%를 상실한 것으로 볼 수 있다고 판단하였습니다.
1400만 원을 배상받았지만 다시 소송해서 1500만 원을 받은 사례이다.
총 2900만 원을 받았는데, 두 번째 소송이 노동력의 5%을 배상받은 것이기에 역산하면 노동력의 가격이 나온다. 1500만 원의 20배 하면 3억이 나오는데 2013년 당시 한 사람의 노동력 가치를 3억으로 법원이 판단했다고 볼 수 있다.
시세: 2900만 원
특이점: 노동력은 3억
요약
위의 사례를 단순 평균을 내면 1900만 원이 나온다. 확실한 결손이 생긴 사례만을 평균을 하면 2450만 원이다. 즉 법원에서의 시세는 2000만 원에서 2500만 원 사이로 생각할 수 있다
(2000만 원 + 800만 원 + 2900만 원)/3 = 1900만 원
(2000만 원 + 2900만 원)/2 = 2450만 원
시세: 2000-2500만 원
민간 가격
그럼 법원이 아닌 민간에서의 시세는 어떻게 될까? 문득 든 생각은 인터넷 유머, 고자 되기가 떠올랐다. 고자 되기에 여러가지를 붙이는데 사실 돈을 부 때가 많다. 그래서 구글, 네이버, 다음에서 얻을 수 있는 다양한 가격을 찾아봤다.
링크 미국 캘리포니아의 매튜 월씨가 오토바이 사고로 성기가 2.54cm 짧아진 데 대해 750만달러(약 86억원)의 보상금을 받게 된 사건에 대해 외신이 보도했습니다. 사고 당시 셔틀버스를 운전하던 페드로 플로레스 미라몬테는 만기된 면허와 미비한 훈련으로 월씨의 손상을 유발했습니다.
첫 번째 사례는 교통사고로 86억 원의 보상금을 받았다. 참고로 전체가 사라진 사례는 아니다. 이 금액은 미국이라는 것도 고려를 해야 할 사례로 보인다.
사례 2. 보형 수술
연합뉴스 2006.06.24 박노황 특파원
링크 미국 로드아일랜드주의 찰스 레넌(68) 씨는 보형 수술 부작용으로 10년간 고통을 겪은 후, 최종적으로 40만 달러(약 3억8천만원)의 보상금 판결을 받았습니다. 보형물 제작업체 데이코메드는 잘못이 없다고 주장하며 소송을 벌였으나, 결국 레넌 씨에게 패소했습니다.
이 당시 환율로는 3억 8천만 원을 보상 았는데, 보형물로 인해 형태가 항상 있었던 것으로 보인다.
오피셜) 단통법 개정 확정!! 희대의 악법 폐지 이후의 미래와 효과 예측해보기 – 잇섭 (링크)
여기서 슈카월드는 2019년, 2020년, 2021년 영업이익 추이를 그리며 상승하는 걸 보여주며, 잇섭은 2021년, 2022년, 2023년 영업이익을 가지고 와 3년 연속 4조의 영업이익을 내는 것을 언급하고 있다.
– 그래도 두분다 사랑합니다!
일단 두 대형 유튜버에서 통신사 영업이익을 소재로 이야기를 한 내용이 있다. 영업이익이 급증하고 있다거나, 아니면 영업이익이 매년 많이 남는다고 이야기한다. 실제로 2019년-2021년 영업이익은 엄청난 상승세였으며, 통합해서 4조라는 액수는 어마어마한 큰돈임이 분명하다. 그래서 단통법 이전까지 해서 통신 3사의 영업이익 그래프를 만들어 보았다.
단통법 이야기는 뉴스 검색에서 2013년 10월쯤에 보이기 시작했고, 이 법은 2014년 10월부터 적용되었다. 2014년 실적이 단통법 시행 직전인 상황을 생각한다면, 사실 이 법 이전의 영업이익과 이 법 이후의 영업이익이 크게 달라진 점이 없는 것을 볼 수 있다. 영업이익률은 2012년부터 생각한다면 약간이나마 증가세라고 생각할 수 있다.
개별 기업으로 보면 SK텔레콤이나 KT는 실적이 내리막길이었다고 볼 수 있으며 그나마 늘어난 것은 LG유플러스의 실적으로 생각할 수 있을 것 같다.
1인당 GDP 비교, 그리고 주가
2007년 1인당 GDP가 24,080달러였으며, 2023년은 33,150달러로 37% 늘어났다. (출처: IMF) 만약 이러한 상황에 영업이익이 횡보한다면 그렇게 매력적인 투자처로 보이지는 않을 것이다. 그럼 개별 기업의 주가는 어떠했을까? 사실 KT를 빼고 본다면 그렇게 나쁘지 않았다.
2022년 03월 31일 총매출 4713808 영업 이익 972081 영업이익률 20.6% 2020년 03월 31일 총매출 4651290 영업 이익 854650 영업이익률 18.4% 2019년 03월 31일 총매출 4840849 영업 이익 1013645 영업이익률 20.9% 2018년 03월 31일 총매출 4762269 영업 이익 1131216 영업이익률 23.8%
2023년 12월 31일 총매출 133974 영업 이익 28718 영업이익률 21.4% 2022년 12월 31일 총매출 136835 영업 이익 31441 영업이익률 23.0% 2021년 12월 31일 총매출 133613 영업 이익 34286 영업이익률 25.7% 2020년 12월 31일 총매출 128292 영업 이익 31389 영업이익률 24.5%
통신업 말고 다른 사업을 크게 하는진 모르겠지만, 일단 통신업만 한다고 생각하고 보면 영업이익률 자체가 한국과 많이 차이 나는 것으로 보인다. 출처에서 보여주는 실적이 잘못됐을 가능성도 있지만 일단 해외의 통신사는 저 정도의 영업이익률이 나는 상황이다.
결론은,
한국에서 통신사업 보고 통신사 주식 사지 마세요!
농담이다.
단통법 폐지가 된다면 어떻게 변할까?
생각보다 우리나라 통신사는 수익을 그간 많이 올리지 못했다. 소득이 많이 증가하는 국가인데 영업이익이 횡보했으니 사실상 하락한거나 다름없는 상황. 그리고 해외의 통신사와 비교해도 순이익이 높은 사업이 되진 않는다. 결국 단통법이 사라진다고 한들 버는 돈이 그렇게 많은 상황은 아닌 것을 고려하면 보조금은 여기서 더 크게 늘려서 무언가 할 여력은 되지 않는다고 생각이 든다.
일정하게 지급되는 보조금이 사라진다면? 결국엔 정보가 빠르고 가격에 민감한 사람들에게 보조금이 더 많이 지급될 것이다. 그렇기에 어쩌면 인터넷에 글을 활발히 글을 쓰거나 의견표출을 하는 사람들은 실질적인 요금감소나 휴대폰 구입비용 하락이 느껴질 것이다.
하지만 그렇지 않은 사람들에게 단통법은 좋지 않게 작용할 것으로 생각이 든다. 보조금 지급 액수를 늘리는 건 한계가 있고 최대한 효율적으로 집행할 것이기 때문이다.
누구를 위한 단통법 폐지인가라는 질문이 떠오르는데 이 질문의 답이 그다지 긍정적으로 떠오르지 않는다. 이 글을 보고 있는 사람들은 싸게 살 수 있겠지만, 그런 정보를 가질 능력이 없는 사람들은 이제 앞으로 비싼 휴대폰 요금이나 구입비를 내면서 사는 세상이 오지 않을까 싶다.
어쩌면 앞으로 주변 어르신분들 요금제를 확인해야 하는 습관이 필요한 시대가 오지 않을까 싶다.
그리고 애매하게 취약한 어디에서는 더 비싼 통신비와 더 비싼 휴대폰 값을 지불하게 될지도 모르겠다.
p.s 통신사의 영업이익이 크게 늘지 않고 영업이익률도 낮게 유지됐다는 측면에서, 사실 단통법은 성공적인 정책이 아니었을까?
두 번째 차트에 저학력 남성 여성 수치는 적혀있고 고학력 남성 여성은 없어서 값을 추측한 뒤 비교를 해보았다.
고학력 남성
저학력 남성
차이
고학력 여성
저학력 여성
차이
30대초
65
63
-2
57
50
-7
30대후
34
43
+9
33
24
-8
40대초
18
30
+12
19
17
-2
40대후
13
21
+8
11
8
-3
50대초
7
14
+7
9
4
-5
평균
27.4
34.2
+6.8
25.8
20.6
-5.2
단순히 나이별 차이를 내서 연령별 미혼 차이를 비교하면 남성이 6.8% 정도고 여성은 5.2%가 차이 난다.
인구와 진학률을 고려하면?
하지만 자료에서는 남성은 3.5%, 여성은 무려 12.2%나 차이 났다. 그래서 인구구조와 대학 진학률 자료를 참고해서 그 변화만으로 값이 어떻게 달라지는지 모델을 만들어 보았다. 정확히는, 고학력과 저학력의 혼인율 차이가 없을 때 차트가 어떻게 그려지는지 만들기 위해 몇가지 추가 자료를 정리했다.
평균 미혼율은, 위에서 구한값의 연령별 평균을 넣었으며, 인구와 대학 진학률은 실제 자료를 참고해서 값을 만들었다. 그리고 결과는 아래와 같다. 그런 뒤, 미혼율을 다시 뽑아보았다.
아래는 단순 평균 미혼율, 인구 구조를 고려한 미혼율, 학력별 미혼율, 인구구조까지 고려한 학력별 미혼율 차트다.
평균 미혼율의 단순 평균값은 27.0%이다. 인구를 고려하면 25.3%이다. 학력만 고려할 경우 미혼율은 고학력 32.6%, 저학력 21.5%로 나온다. 마지막으로 인구까지 고려할 경우 고학력은 31.1% 저학력은 20.1%로 나온다.
하지만 위의 결과는 고학력이든 저학력이든 같은 평균 미혼율을 사용했을 때 계산해서 나온 결과이다. 결과는 다르지만. 같은 연령별로 비교할 땐 차이가 없다.
이 이유는 아래와 같다.
우리나라의 인구구조는 통계 결과에서 미혼율을 낮추는 영향이 있다. 즉 나이 든 사람들이 평균적으로 인구가 많고 결혼을 많이 해서 그것의 영향이 크다.
젊을수록 높아지는 대학 진학률은, 학력에 따른 미혼율의 차이가 없다고 해도, 저학력의 미혼율이 낮게 계산되는 결과를 만들어 낸다.
그렇기 때문에, 남자들에게 학력에 따른 결혼의 영향이 더 크더라도 높은 남성 저학력의 미혼율을 올려서 그 영향을 줄인다. 그리고 낮은 고학력 여성의 미혼율을 높여서 그 영향이 큰 것처럼 나온다고 볼 수 있다.
딴 생각
보고서에서는 저학력 여성의 미혼율이 높고 고학력의 미혼율이 낮은 이유를 여성의 선택으로 해석하고 있다. 다만 이 해석은 이 자료에서 증명된 것은 아니다. 그냥 결혼 정도를 나타낼 뿐이다. 여기 자료는 아니지만 일반적으로 인터넷에서 돌아다니는 소득별 미혼율에서 여성 또한 남자와 같이 소득과 비례하는 경향이 있고 이는 시간이 갈수록 강화되는 방향으로 움직이는 것으로 보인다.
비자발적인 요소로 여성들이 결혼을 못 하는 경향이 강화되는 상황에서 이러한 방향으로 해석하는 것은 ‘옳지 않은 선택’이 아닌가 싶다. 참고로 분석이라 하지 않고 ‘선택’이라고 한 이유는, 저 보고서 내에서 인용되거나 나열되어 있는 통계자료에서 증명된 바 없는 해석을 했기 때문이다. 고학력 여성을 남자들이 기피해도 똑같은 현상이 나올 것이다. 과연 저 자료에서 그것이 증명되어 있는가?
2023년 이스라엘-하마스 전쟁 관련 보도나 정보를 시간 순으로 정리하는 글입니다. 특별히 명시되어 있지 않으면 한국시간으로 정리가 됩니다. 이스라엘, 하마스, 팔레스타인에 관한 정보를 정리합니다. 외국어는 chat gpt4로 번역됩니다.
2023년 12월 13일 이후로 이 글은 업데이트 되지 않습니다.
아기 사진건에 관하여
10월 12일 사진이 공개되기 전의 기사나 자료를 인용해서 기사가 나오는 경우가 최근 (17일 기준) 부쩍 많아졌습니다. 이 당시 공개된 사진은 3장이며 그중 한장을 ai를 이용하여 개를 넣은 사진으로 바꾼것이 인터넷에 돌아다니고 있습니다. 4chan에 올라온 이미지는 이스라일 트위터 이후에 올라온 사진이며, 화질 또한 더 좋지 않은 이미지 입니다.
네타냐후는 가자 지구에서 하마스가 뜻밖의 공중 및 지상 공격을 시작한 후 이스라엘이 ‘전쟁 중’이라고 말했습니다.
둘째 주
2023년 10월에 이스라엘과 팔레스타인 무장집단 하마스 간의 충돌이 발생했습니다. 이 충돌로 인해 사망자 수는 2,383명, 부상자 수는 10,814명에 달했습니다. 미국 대통령과 부통령은 이스라엘에 대한 테러 공격을 규탄하며, 이스라엘과 유대인들에게 미국의 지지를 확고히 다짐하였습니다. 이스라엘과 팔레스타인 무장집단 하마스 간의 충돌 중, 하마스가 아기와 어린이를 포함한 민간인을 잔혹하게 살해했다는 주장에 대해 이스라엘이 사진 자료까지 공개하면서 진실 공방이 확대되고 있습니다. 이는 그동안 가장 충격적인 이미지로, 이를 게시하는 것에 많은 고민을 했다고 밝혔습니다.
팔레스타인 보건부에 따르면, 가자 지구와 서안 지구에서의 사망자 수는 2,383명이며 부상자 수는 10,814명으로 기록되었습니다. 이스라엘과 하마스 간의 충돌로 인해 가자에서는 2,329명이 사망하고 9,714명이 부상을 입었으며, 서안 지구에서는 54명이 사망하고 1,100명이 부상을 입었습니다.
셋째 주
2023년 10월 16일부터 22일까지의 뉴스 요약은 다음과 같습니다. 미국 대통령 조 바이든은 이스라엘의 가자 지구 점령을 반대하고 햄마스 제거를 주장했습니다. 그러나 가자 지구에서의 갈등은 계속되었으며, 이집트, 이스라엘, 미국이 합의한 휴전과 국경 재개는 실패했습니다. 가자 지구 병원에서 발생한 폭발 사건으로 인해 수백 명이 사망하였고, 이에 대한 책임은 아직 명확하지 않습니다. 바이든 대통령은 안보 지원을 위해 예산을 요청하였으며, 제닌 난민 캠프 공격으로 한 팔레스타인이 사망하는 등 갈등 상황이 계속되고 있습니다.
가자 지구의 Al-Ahli 병원에서 대규모 폭발이 발생해 수백 명이 사망했다고 팔레스타인 당국이 주장하고 있습니다. 팔레스타인 당국은 이스라엘의 공습을 원인으로 지목하나, 이스라엘 국방군은 자신들의 관여를 부인하며, 이 사건을 가자 지구 내 경쟁하는 이슬람 무장단체인 팔레스타인 이슬람 지하드 그룹의 “실패한 로켓 발사”로 돌리고 있습니다. 한편, 병원과 인근 지역에 대한 인도적 구조와 보호를 위한 국제적 압력이 증가 중입니다.
미국 정보기관은 가자 지구 병원 폭발 참사에 대한 분석 결과, 이슬라믹 지하드의 로켓 오발로 인한 사고로 판단되는 것으로 나타났다. 폭발 양상과 적외선 위성 데이터 등을 기반으로 이루어진 분석에서 이스라엘이 책임이 없다는 결론을 내렸으며, 미국 국방부와 중앙정보국(CIA) 등은 이를 확신하고 있다고 밝혔다. 그러나 현장 접근 제한으로 인해 폭발 원인에 대한 정확한 판단이 어려운 상황이다.
조 바이든 미국 대통령이 우크라이나와 이스라엘에 대한 600억달러와 140억달러 규모의 안보 지원 패키지를 의회에 요청할 예정이며, 이에는 인도적 지원과 국경 안보, 인도·태평양 지역 투자가 포함될 것으로 전해졌다. 바이든 대통령은 전례 없는 규모의 예산을 의회에 요청하고, 긴급 예산 지원을 위해 이스라엘과 우크라이나에 대한 지원을 요청할 것을 발표했다.
미국 대통령 조 바이든이 이스라엘에 대한 전폭적인 지원을 약속하며, 이스라엘 안보를 위한 역대급 규모의 예산을 의회에 요청할 것임을 밝혔다. 미국은 우크라이나에 보내려던 포탄 수만 발을 이스라엘이 받도록 계획 변경하였으며, 유럽 각국도 반유대주의 범죄와 친팔레스타인 시위 증가로 국경 경계를 강화하였다. 이와 관련하여 가자지구에서의 확전 가능성이 커지면서 한국 국민들도 레바논에서 출국하는 상황이다.
이스라엘 군은 2023년 10월 22일, 햄마스와 팔레스타인 이슬람 지하드의 공격을 조직하는 데 사용된다는 제닌 난민 캠프의 모스크 아래 복합 건물을 공격하여 적어도 한 명의 팔레스타인이 사망했다고 팔레스타인 의료진이 보고했습니다.
넷째 주
이스라엘의 엘리 코헨 국방장관은 UN 총회의 가자지구 휴전 요구를 거부하며 하마스 제거 의지를 밝혔습니다. 반면 UN 총회는 120개국의 찬성으로 가자지구의 “지속적인 인도주의 휴전”을 요구하는 결의안을 통과시켰습니다. 이스라엘 총리 네타냐후는 가자지구에 대한 지상작전을 확대하며 하마스에 대한 전면적인 공격을 시작했다고 발표했습니다. 이스라엘은 하마스의 터널 네트워크와 인프라를 파괴하며, 200명 이상의 인질을 구출하기 위한 노력을 이어갔습니다. 가자지구의 230만 명의 주민 중 7650명이 사망했으며, 음식, 물, 연료, 약품 등이 부족한 상황입니다. 전화와 인터넷 서비스가 중단되면서 가자지구의 상황은 더욱 악화되었습니다.
유엔 총회는 가자지구에 대한 “지속적인 인도주의 휴전”을 요구하는 결의안을 120개 국가의 찬성으로 통과시켰습니다. 이스라엘이 가자지구를 완전히 포위하겠다고 선언한 뒤 계속되는 지상 공습과 블록에이드는 가자지구에 갇힌 200만 명의 사람들에게 치명적인 위협을 끼치고 있습니다. 유엔 구호기구 사무국장은 가자지구의 대규모 건강 위험이 증가하고 있으며, 가장 기본적인 공공 서비스가 붕괴하고 있다고 말했습니다.
이스라엘 국방군(IDF)은 가자지구의 테러 터널 및 지하 전투 공간을 타격하며 대피를 요청하고, 지상 작전을 확대하겠다고 밝혔습니다. 이 공격은 이스라엘이 3주 전 하마스의 테러 공격에 대응하기 시작한 이래로 가장 강력했다고 가자 주민들이 전했습니다. 이스라엘의 병원 표적 공격 가능성이 높아지면서, 세계보건기구(WHO)는 가자의 직원들 및 의료 시설과 연락을 할 수 없다고 밝혔습니다. 이스라엘의 확대된 지상 작전은 하마스가 가자에서 잡아간 인질들을 구출하기 위한 노력들이 계속되는 동안 벌어지고 있습니다.
이스라엘 총리 네타냐후는 가자지구에서의 지상작전을 확대하며 하마스에 대한 전면적인 공격을 시작했다고 발표했습니다. 이스라엘은 하마스의 터널 네트워크와 인프라를 파괴하며, 200명 이상의 인질을 구출하기 위한 노력을 이어갔습니다. 하마스가 10월 7일에 이스라엘을 공격한 이후로 3주 동안 이스라엘은 가자지구에 대한 공습을 강화했습니다. 가자지구의 230만 명의 주민 중 7650명이 사망했으며, 음식, 물, 연료, 약품 등이 부족한 상황입니다. 전화와 인터넷 서비스가 중단되면서 가자지구의 상황은 더욱 악화되었습니다. 이스라엘은 하마스의 터널 네트워크를 파괴하고, 인질들을 구출하기 위해 계속해서 노력하고 있습니다.
다섯째 주
이스라엘의 항공 공격으로 가자지구의 난민 캠프가 파괴되어 50명 이상의 팔레스타인과 하마스 지휘관이 사망했습니다. 이스라엘 군은 이란 지원 하우시 반군의 공격을 막았다고 발표했습니다. 미국 하원은 이스라엘에 대한 140억 달러의 긴급 지원금 지원에 어려움을 겪고 있습니다. 이스라엘은 가자지구의 병원 외부에서 구급차를 공격한 책임을 인정하였으며, 이로 인해 15명이 사망하고 50명 이상이 부상했습니다. 이스라엘은 UN 사무총장의 화력 중단 촉구를 거부했습니다.
이스라엘의 항공공격이 가자지구의 밀집된 난민 캠프를 타격하여 최소 50명의 팔레스타인과 하마스 지휘관이 사망했습니다. 가자지구에서는 전력 공급이 끊기면서 병원이 부상자를 치료하는 데 어려움을 겪고 있습니다. 이스라엘 국방군은 이 공격으로 하마스의 지휘자인 이브라힘 비아리가 사망했다고 발표했습니다. 가자지구의 공공보건 위기는 심각해지고 있으며, 병원은 부족한 의약품 공급, 정전, 공습 등으로 인해 환자들을 치료하는 데 어려움을 겪고 있습니다. 이스라엘 총리는 “인도주의 휴식”을 요구하는 국제사회의 호소를 거부하였습니다.
이스라엘 군은 이란 지원 후티 반군의 공중 공격을 막았다고 화요일에 밝혔습니다. 이는 이스라엘-하마스 전쟁이 확대될 우려가 커지는 가운데 발생한 사건입니다. 하우시 반군 대변인은 발리스틱 미사일과 드론이 팔레스티나인들을 지원하기 위해 이스라엘 목표물을 향해 발사되었다고 밝혔습니다. 하우시 반군은 이스라엘의 “침략”이 중단될 때까지 더 많은 공격을 계획하고 있다고 덧붙였습니다. 이스라엘 군은 화살 방어 시스템을 사용해 레드해 지역에서 발사된 지상-지상 미사일을 성공적으로 요격했다고 밝혔습니다. 이는 하우시 반군이 더 발전된 장거리 미사일을 사용한 것을 의미합니다. 이스라엘 전투기는 “공중 위협”을 요격하였으며, 모든 위협은 이스라엘 영토 외부에서 요격되었다고 IDF는 밝혔습니다.
미국 하원이 이스라엘에 긴급 지원금 140억 달러를 보내는 데 어려움을 겪고 있어, 이는 미국이 분열된 초강대국으로 보이게 하고 있다. 하원 공화당 지도부는 이 패키지에 대한 투표를 목요일에 진행할 계획이라고 밝혔지만, 공화당 내부의 불확실성으로 인해 아무런 시간표도 확정되지 않았다. 이스라엘에 대한 지원금 투표는 예전에는 하원에서 가장 논란이 적은 조치 중 하나였지만, 이제는 어떠한 쉬운 투표도 없음을 보여주고 있다. 이 문제를 둘러싼 소동은 대부분 새로 선출된 하원의장 마이크 존슨이 이스라엘에 대한 143억 달러의 지원금을 내부수입청의 예산에서 동일하게 삭감하는 결정에 집중되어 있다. 이는 보수주의자들에게 인기가 있지만, 많은 민주당원들은 이것을 정치적 장치로 보고 반대표를 던질 것이다.
이스라엘이 가자지구 알-쉬파 병원 외부의 구급차를 공격한 책임을 인정했습니다. 이 공격으로 적어도 15명이 사망하고 50명 이상이 부상했습니다. 이스라엘 국방군(IDF)은 이 구급차를 타겟으로 삼은 이유가 하마스가 이를 이용하고 있었기 때문이라고 밝혔습니다. 이 공격으로 인해 UN 사무총장 안토니오 구테레스는 가자지구에 대한 화력 중단을 재차 촉구했으나 이스라엘이 이를 거부했습니다. 이 공격은 가자지구의 병원들이 이스라엘의 공격으로 인해 공급이 부족하고 연료가 고갈되어 힘겨운 상황에 처해있음을 다시 한번 부각시켰습니다.
여섯째 주
이스라엘의 가자 지구 공격이 계속되며 민간인 사망자가 증가하는 상황에서 바이든 행정부 내에서는 이스라엘의 군사 작전 중 일부를 방어하기 어렵다며 휴전을 지지해야 한다는 요구가 커지고 있습니다. 이스라엘이 뉴욕 타임스, CNN 등 4개의 미디어 기구와 가자지구의 사진기자들이 하마스의 공격을 미리 알고 있었다고 주장했습니다. 이스라엘 군은 가자지구를 두 동네로 나누어 공격을 진행하고 있습니다. 미국 백악관은 이스라엘이 일정 시간 동안 군사 작전을 중단하기로 합의했다고 발표했습니다. 가자지구에서 인질로 잡혀 있는 사람들을 구출하기 위한 협상이 진행 중입니다.
이스라엘의 가자 지구 공격이 계속되면서 민간인 사망자 수가 계속 증가하고 있는 상황에서 바이든 행정부 내에서는 불안과 분노가 커지고 있다고 CNN은 보도했습니다. 일부 고위 관계자들은 이스라엘의 군사 작전 중 일부를 방어하는 것이 불가능하다며, 미국이 휴전을 지지해야 한다는 요구가 커지고 있다고 전했습니다. 또한 이스라엘의 가자 지구 공격에 대한 공개적인 비난은 여전히 없는 상황입니다. 한편, 미국의 국제개발청(USAID) 직원들은 행정부에 휴전을 촉구하는 공개서한을 작성했습니다.
이스라엘은 목요일, 뉴욕 타임스, CNN, AP, 로이터 등 4개의 국제 미디어 기구와 가자지구의 4명의 사진기자들이 10월 7일 하마스의 공격을 미리 알고 있었다고 비난했습니다. 이 공격에서는 1,400명 이상이 사망했습니다. 이스라엘의 의혹을 뉴스 서비스들은 강력히 부인했으며, 뉴욕 타임스는 이런 “분노조장하는” 혐의는 이스라엘과 가자지구의 기자들에게 위험을 초래한다고 주장했습니다. 이스라엘이 이를 주장한 이후, 각 뉴스 기구들은 이스라엘의 비난을 부인하는 성명을 발표했습니다.
이스라엘 군은 가자지구를 사실상 두 동네로 나눈 상태로, 특히 북쪽에서 가장 치열한 공중 폭격과 지상 작전을 진행하고 있습니다. 이로 인해 수천 명의 팔레스타인 시민들이 도보로 남쪽으로 피난을 가고 있습니다. 이스라엘은 이 공세를 통해 팔레스타인 무장단체 하마스를 파괴하고 1400명 이상의 사람들을 죽인 지난 10월 7일의 공격 동안 납치된 240명 이상의 인질들을 구하겠다는 목표를 밝혔습니다. 이스라엘의 공세로 지금까지 10700명 이상의 팔레스타인이 사망했습니다.
미국 백악관은 목요일에 이스라엘이 북가자지구의 특정 지역에서 매일 4시간 동안 군사 작전을 중단하기로 합의했다고 발표했습니다. 이 결정은 인도적 지원이 유입되는 동안 폭력을 중단하고, 민간인들이 전투지역을 떠나도록 하는 일정 패턴을 공식화하는 것으로 보입니다. 미국 대통령 조 바이든은 이스라엘에 폭력 중단을 길게 하도록 압력을 가했습니다. 하지만 이스라엘 총리 네타냐후는 인질들의 석방 없이는 “휴전이 없을 것”이라고 강조했습니다.
가자지구에서 하마스에게 인질로 잡혀 있는 사람들을 구출하기 위한 협상에 참여하고 있는 당사자들은 인질들이 대량으로 석방되는 대가로 몇 일 동안의 전투 중단을 내용으로 하는 합의를 모색하고 있다고 CNN에게 밝힌 미국 고위 관계자의 말입니다. 만약 합의가 이루어진다면, 인질들은 여러 날에 걸쳐 단계적으로 가자지구를 떠날 예정이며, 여성과 어린이와 같은 특히 취약한 그룹에게 우선순위가 부여될 것입니다. 그러나 이 관계자는 협상이 언제든지 정체되거나 악화될 수 있다고 경고하였습니다.
일곱째 주
가자지구 알 시파 병원의 의사는 이스라엘군의 공격으로 병원이 중단되었으며, 중환자실 환자들이 의약품 부족으로 계속 사망하고 있다고 전했습니다. 이스라엘 군은 가자지구의 남부 일부에 피난하라는 쪽지를 뿌려, 하마스에 대한 지상 작전을 확장할 것임을 시사했습니다. 이스라엘 전시 내각은 가자지구에 매 이틀마다 14만 리터의 연료를 공급하기로 합의했습니다. 이는 가자지구의 인도적 위기를 완화하기 위한 조치로, 이스라엘은 이 작전에 참여했지만 이후 계획은 명확하지 않다고 전문가들이 지적했습니다.
가자지구 알 시파 병원의 아흐메드 엘 모칼라라티 의사는 이스라엘군이 병원을 공격하며, 하마스 군사를 찾는 중이라고 전했습니다. 이스라엘군은 병원 아래에 하마스의 사령부가 있고, 인질을 붙잡고 있다고 주장했지만 모칼라라티 의사는 이를 부인했습니다. 병원은 완전히 중단된 상태로, 의료진은 공격이 끝날 것인지를 기다리며 두려움을 느끼고 있습니다. 병원의 상황은 연료, 의약품, 식품, 물 공급이 점점 줄어들면서 국제적인 우려의 대상이 되었습니다. 의약품 부족으로 인해 중환자실 환자들이 계속해서 사망하고 있습니다.
BBC가 이스라엘 군의 가자 병원 공격 보도를 잘못 인용해 사과했습니다. 로이터 보도는 이스라엘 국방군(IDF)이 의료진과 아랍어 사용 병사를 이용해 필요한 곳에 물자를 전달한다고 했지만, BBC 앵커는 이스라엘 군이 의료진과 아랍어 사용자를 겨냥했다고 잘못 전했습니다. 이에 따른 BBC의 공식 사과와 함께, 가자의 알-쉬파 병원 상황이 악화되고 있음을 보도했습니다. 이로 인해 유대인 단체와 UN 구호 책임자 등의 비난을 받았습니다.
이스라엘은 가자지구 남부 일부에 사람들이 피난하라는 쪽지를 흩뿌렸습니다. 이는 이스라엘이 하마스에 대한 지상 작전을 남부로 확장할 수 있음을 시사합니다. 쪽지는 가자지구에서 이스라엘을 분리하는 경계 울타리 근처에 위치한 네 개의 지역에 뿌려졌습니다. 이스라엘 방위군(IDF)이 남부를 통제하려는 새로운 침입 지점을 추구하고 있음을 암시합니다. 이스라엘 방위부 장관은 하마스가 가자지구 북부를 포함하여 가자 시티의 통제를 잃었다고 발표했으며, IDF는 “계속 전진”할 것이라고 밝혔습니다. 이스라엘의 이러한 행동에 따라 가자지구 남부로의 이동이 인도적 상황을 더욱 악화시킬 수 있다는 경고가 있습니다.
이스라엘의 전쟁이 계속되는 가운데, 이스라엘은 하마스를 제거한 후 가자지구에 대한 명확한 계획을 제시하지 않고 있습니다. 이스라엘 방위군(IDF)은 가자지구를 분할하고 하마스의 통제를 잃게 했다고 주장했습니다. 이스라엘은 하마스가 병원 아래에 사령부를 설립했다고 주장하며 가자의 가장 큰 병원인 알-시파를 급습했습니다. 전문가들은 이스라엘이 하마스를 제거한 후 가자지구에 대한 계획을 명확하게 가지고 있지 않을 수 있다고 말합니다. 이스라엘 총리 벤자민 네타냐후는 가자지구에 대한 군사 작전 후 계획에 대해 거의 언급하지 않았습니다. 이스라엘-팔레스타인 충돌에 해결책을 찾는 런던과 뉴욕 기반 조직인 미국-중동 프로젝트의 대통령인 다니엘 레비는 “이스라엘은 이후의 아침에 대한 명확한 계획 없이 이 작전에 참여했다”고 말했습니다.
이스라엘의 전시 내각은 워싱턴의 요청에 따라 가자지구에 매 이틀마다 14만 리터의 연료를 공급하기로 합의했습니다. 이는 가자지구의 긴급한 연료 부족 상황을 완화하고, 에이드 전달 및 통신을 보장하기 위한 조치입니다. 이스라엘은 팔레스타인의 무장 단체인 하마스가 통제하는 가자지구에 대한 물품 봉쇄를 진행하고 있습니다. 이는 하마스의 10월 7일 대규모 공격에 대한 대응 조치입니다. 이스라엘은 이후 엄격한 검사를 거친 후 에이드 트럭의 입장을 허용했습니다. 이런 결정에는 이스라엘의 우파 연합이 강하게 반발했지만, 가자의 인도적 위기에 대한 국제적인 우려가 커지고 있습니다.
이스라엘이 가자지구의 군사 행동을 확대하는 가운데, 팔레스타인인들은 전체 이웃이 폐허로 변한 가자지구에서 더 이상 피난처가 없을까 우려하고 있습니다. 이스라엘은 하마스가 이스라엘로의 공세를 시작한 이후 하마스를 파괴하겠다고 맹세했으며, 이로 인해 5,000명의 어린이를 포함한 약 12,300명의 팔레스타인인이 사망했습니다. 이스라엘의 폭격으로 가자지구 북부 대부분이 파괴되었고, 230만 명의 인구 중 약 2/3가 남부로 피난을 갔습니다.
여덟째 주
가자지구에서 이스라엘과 하마스 간의 충돌이 계속되며, 병원이 공격을 받아 미숙아 28명이 이집트로 대피했습니다. 이스라엘은 하마스가 민간인을 인질로 사용하고 병원을 지휘소로 이용했다고 주장하며, 하마스와의 전투를 계속하겠다고 밝혔습니다. 그러나 이스라엘과 하마스 간에는 인질과 포로를 교환하고 4일간의 휴전을 이루는 합의가 이루어졌습니다. 이 합의에 따라 하마스는 이스라엘 여성 및 어린이, 태국 농장 노동자 등 첫 번째 인질 24명을 석방했습니다. 하지만 인질 교환 합의가 일시 중단되면서 이스라엘의 긴장감이 고조되었습니다.
이스라엘의 군사 공격으로 가자지구에서 어린이병원이 공격받아 28명의 미숙아가 이집트로 대피했습니다. 알 시파 병원에서 치료를 받던 이들은 인큐베이터가 공격으로 파괴되면서 생명이 위협받았습니다. 또한 이스라엘 탱크에 에워싸인 병원에서는 최소 12명의 팔레스타인이 사망했습니다. 이스라엘군은 병원 내부에서 화력을 개방한 테러리스트에게 응징했다고 주장하며, 병원을 향해 포탄을 발사하지 않았다고 밝혔습니다. 이와 관련해 WHO는 모든 대피된 아기들이 심각한 감염에 맞서 싸우고 있다고 전했습니다.
이스라엘 군이 가자지구 북부에서 하마스에 대한 공세를 가하고 있으며, 이 과정에서 수 천명의 환자와 피난민들이 거처하던 병원 근처에서 격전이 벌어졌습니다. 병원 측과 하마스가 운영하는 가자 보건부는 이스라엘의 공격으로 병원이 파괴되고 12명이 사망했다고 주장했으나, 이스라엘은 부인하고 있습니다. 이와 별개로, 세계보건기구(WHO)는 가자 시의 시파 병원에서 조산아들 28명을 이스라엘로부터 대피시켰습니다. 이스라엘은 하마스가 민간인을 인질로 사용하고 병원을 지휘소로 이용했다고 주장하고 있습니다. 이러한 상황 속에서 가자지구의 병원은 팔레스타인 민간인에게 가해진 전쟁의 잔혹한 대가를 보여주는 역할을 하고 있습니다.
이스라엘과 하마스 사이에 적어도 50명의 인질 해방과 팔레스타인 포로 석방, 4일간의 휴전을 포함한 합의가 이루어졌습니다. 이 합의는 50명의 인질을 해방하는 첫 단계로, 추가적으로 10명의 인질이 해방될 때마다 휴전이 하루씩 연장될 예정입니다. 하지만 합의 실행에 딜레이가 있을 수 있음을 시사하는 징후가 있습니다. 이스라엘 국가 안보 고문은 인질 해방이 ‘금요일 이전에는 시작되지 않을 것’이라고 밝혔습니다.
이스라엘의 네타냐후 총리는 하마스와 50명의 인질을 풀어주는 대가로 4일간의 휴전과 팔레스타인 포로 150명 석방에 합의했지만, 싸움은 아직 더 길게 이어질 것이라고 주장했습니다. 이스라엘은 하마스의 공격에 대응하여 3주간 가자를 폭격한 후 10월 27일에 병력을 북부로 보냈습니다. 이스라엘 군은 가자 북부의 통제를 점차 확대하며 가자 시에 있는 하마스의 정치 및 군사 활동 중심지를 포위하고 있습니다. 하지만, 이스라엘의 군사 목표를 달성하는 데는 아직 많은 시간이 필요할 것으로 보입니다. 이스라엘의 공격으로 약 1만 3천명이 사망하였고, 1.7백만명이 피난을 갔으며, 가자의 의료 시스템은 붕괴되었습니다.
이스라엘의 공습으로 레바논 남부 비트 야훈 마을에서 헤즈볼라 전사 5명이 사망했습니다. 사망자 중에는 미국이 2019년 제재한 헤즈볼라의 고위 인사인 모하마드 라드 의원의 아들인 압바스 라드도 포함되어 있습니다. 이로써 헤즈볼라 전사의 총 사망자 수는 85명이 됐습니다.
영국 외무장관인 데이비드 캐머런이 이스라엘의 수상인 벤자민 네타냐후와 만나 하마스의 공격으로 피해를 입은 이스라엘 사회를 직접 관찰했습니다. 캐머런은 이스라엘을 지지하며, 인질 해방과 가자지구에 대한 지원이 중요하다고 강조했습니다. 네타냐후 수상은 인질 해방이 어려움을 동반하지만, 이스라엘은 모든 인질을 구출하겠다고 약속했습니다. 그는 하마스를 제거하지 않는 한 이스라엘과 팔레스타인, 그리고 이스라엘과 아랍 국가 간의 평화는 없다고 주장했습니다.
이스라엘과 하마스 간의 휴전 합의에 따라, 하마스 전사들은 이스라엘 여성 및 어린이, 그리고 태국 농장 노동자를 포함한 첫 번째 인질 24명을 석방했습니다. 이로써 7주간의 가자지구 전투가 잠시 중단되었습니다. 이전에 하마스는 이스라엘을 놀래키는 공격을 통해 주로 민간인인 1200명을 살해하고 240명 이상의 인질을 취했다고 이스라엘 측이 주장했습니다. 이에 이스라엘은 “전쟁 상태”에 있다며, 하마스가 지배하는 가자에 대한 보복 공습을 시작했습니다.
이스라엘과 하마스간의 인질 교환 합의가 일시 중단되면서 이스라엘의 긴장감이 고조되었습니다. 인질가족들을 위한 집회 참가자들은 실망감을 표현했고, 불구하고 교환 합의가 재개됐습니다. 하마스는 인질 교환 지연을 인도적 지원과 석방될 팔레스타인 포로 선정 문제로 돌렸습니다. 하지만 인질 가족들은 이를 지연 전략으로 보았습니다. 결국, 17명의 인질이 가자지구를 떠나 이스라엘로 이동했고, 팔레스타인 청소년과 여성 39명이 이스라엘 감옥에서 석방되었습니다.
미국이 이스라엘에 팔레스타인 민간인 보호를 요구하며, 중대한 외교적 조치를 취했다. 이는 50일간의 충돌 후 이뤄진 것으로, 미 국무장관인 앤토니 블링컨이 이를 명확하게 요구했다. 블링컨은 이스라엘에 대규모 민간인 사망과 이동의 반복을 방지하고, 팔레스타인인의 추가 피해를 최소화하기 위한 인도적 계획을 수립하라고 강조했다. 이는 이스라엘이 미국의 요구사항을 얼마나 수용하고, 민간인 보호를 위해 어떤 조치를 취할 것인지에 대한 문제로 이어지게 될 것이다.
이스라엘은 가자 지구를 위한 보다 넓은 계획의 일환으로 버퍼 존을 설치할 것이라고 말했습니다. 이스라엘은 이 계획을 이집트, 요르단, UAE에 전달했다고 소식통들이 전했습니다. 이스라엘과의 외교 관계가 없는 사우디아라비아도 이에 대해 알려졌다고 그들은 말했습니다. 아랍 국가들과 미국은 팔레스타인 땅을 줄이는 어떤 조치도 반대하고 있습니다.
이스라엘의 평화운동가들은 최근 하마스와의 전쟁으로 인한 어려움에 처해 있습니다. 일부는 반전 운동을 펼치고 있지만, 대부분은 공개적인 발언을 꺼려하고 있습니다. 하마스의 공격으로 가족을 잃은 이스라엘인들은 평화의 중요성을 절감하고 있지만, 안보 문제도 우려하고 있습니다.
이스라엘 군은 가자 지구 남부 칸 유니스의 1/5 대피 명령을 내렸고, 하마스에 대한 공격을 확대하고 있습니다. 가자 시내에서는 이스라엘 공습으로 학교 2곳이 피해를 입었고, 50명이 사망했다는 보도가 있습니다. 이스라엘은 하마스의 공격에 대응해 가자에 대규모 작전을 시작했으며, 최소 1,200명이 사망하고 240명이 인질로 잡혔습니다. 유엔은 인도적 재앙이 펼쳐지고 있다고 경고했습니다.
이스라엘의 가자 지구 공격으로 많은 팔레스타인인들이 사망하고 부상을 입었습니다. 민간인 보호를 위한 국제사회의 호소에도 불구하고, 가자 지구 남부에도 공격이 이어졌으며, 피난을 권고받은 지역에서도 민간인 사상자가 발생했습니다. 목표가 함마스 테러 조직을 전복시키는 것이라는 이스라엘의 주장에도 불구하고, 갈등은 계속되고 있습니다. 가자 지구의 대부분 주민들은 이스라엘의 폭격으로 집을 떠나야 했습니다. 이스라엘군은 가자 북부를 점령한 후 가자 남부로 전진하고 있습니다.
이스라엘의 공습으로 가자에서 파괴와 절망이 일어났다. CNN 프로듀서인 이브라힘 다만은 그의 친척 9명이 공습으로 사망하고 어린 시절 집이 파괴되는 참상을 겪었다. 다만의 친척들은 평화로운 사람들이었고 어떠한 조직과도 관련이 없었다. 다만은 이 사건이 전쟁의 참혹함을 보여주며, 가자에서 아무도 전쟁의 영향을 받지 않았다는 것을 상기시킨다고 말했다.
Traditional Korean Painting Model production history (based on SDXL)
(Translated from English using DeepL)
하이퍼네트워크와 SD1.5 기반의 모델을 만들고 난 뒤 몇 달 지나지 않아 SDXL이란 모델이 나왔습니다. 그 당시 SD2.1 기반의 모델은 작업을 하지 않았습니다. 그 이유는 컨트롤넷을 사용하기 어려운 점과 명확하게 SD1.5 보다는 낫지 않았기 때문에 꺼려졌습니다. 프롬프트에 따른 변화는 명확하게 줄 수 있고, 알려진 피사체에 대한 재현은 좀 더 나아 보이지만 높아진 사양에 비해서는 명확한 이점은 없었습니다. 하지만 SDXL의 경우 컨트롤넷과 여러 가지 기능이 바로 지원될 것이라고 이야기와 지원되는 해상도에 대비해서 그렇게 많은 사양을 요구하지 않았기에 시도를 해보았습니다.
A few months after creating the hypernetwork and the SD1.5-based model, a model called SDXL came out. At that time, I didn’t work on the SD2.1-based model because I was reluctant to use ControlNet and because it wasn’t clearly better than SD1.5. You can definitely change things based on prompts, and the reproduction of known subjects looks a little bit better, but there was no clear advantage over the higher specs. But with SDXL, they said that ControlNet and a bunch of other things would be supported out of the box, and they didn’t ask for that many specs for the supported resolutions, so I gave it a shot.
데이터 준비 / Prepare data
SD1.5 모델에서는 크게 두 개의 데이터를 준비했었습니다. 수묵화 데이터와 김홍도 그림이었습니다. 이번에는 좀 더 화가의 수를 늘렸습니다. 공유마당에 있는 화가 중 상위 7명을 선정했고 디지털 K-art 데이터를 추가했습니다.
In the SD1.5 model, we prepared two types of data. This time, we increased the number of painters. We selected the top 7 painters in the shared yard and added digital K-art data.
조선시대 화가의 그림은 수량이 적기 때문에, 그림을 조각내고 좌우 반전을 통해서 그림 장수를 늘렸습니다. 총 5684장.
Since the paintings of Joseon Dynasty painters are few in number, the paintings were fragmented and reversed to increase their longevity. 5684 paintings in total.
강세황 / kangsehwang 520장 / 520 paintings (원본 그림 130장)
김홍도 / kimhongdo 1768장 / 1768 paintings (원본 그림 487장)
신윤복 / sinyunbok 452장 / 452 paintings (원본 그림 72장)
심사정 / simsajeong 652장 / 652 paintings (원본 그림 133장)
안중식 / anjungsik 410장 / 410 paintings (원본 그림 69장)
장승업 / jangseungeop 496장 / 496 paintings (원본 그림 88장)
11246장 중 6253장으로 줄였습니다. aihub에 있는 자료는 정말 엄청나게 많기 떄문에, 일단 그중 라벨링이 되어있는 데이터로 줄였습니다. 그렇게 11246장이 나왔으며 그 중 정사각형에 가까운 이미지를 골라서 내서 6253장이 나왔습니다.
So out of the 11,246 images, I narrowed it down to 6,253. There’s a lot of data on AIHUB, so I just narrowed it down to the data that was labeled, and that gave me 11,246 images, and I picked out the ones that were close to a square, and that gave me 6,253 images.
한국 전통 수묵화 화풍별 제작 데이터 / Production data for traditional Korean ink paintings by styleLink
5860장의 이미지를 정사각형으로 잘라낸 자료를 사용했습니다. 이 데이터도 엄청 많기 때문에 수량을 늘릴 수 있으나 조선시대 화가의 데이터와 비슷한 양으로 설정했습니다.
I used a baseline of 5860 images cropped into squares. This is a lot of data, so you can increase the quantity, but I set it to a similar amount to that of a Joseon painter.
데이터셋 규모를 비슷하게 설정한 이유 / Reasons for similar dataset sizes
SD1.5에서의 경험이 반영되어 있는데, 김홍도 그림과 수묵화 데이터 의 양이 다른 상태에서 파인튜닝을 하면 두 컨셉의 이미지가 잘 나올때의 설정이 달랐습니다. 구체적으로 CFG scale이 전자는 6-7에서 최상이며 후자는 3-4에서 최상의 결과물이 나왔습니다. 또 파인튜닝이 많이 될수록 최적의 CFG scale이 낮아지는 경향을 보았는데, 비슷한 정도를 학습시키기 위해 크기를 비슷하게 맞추었습니다.
This reflects our experience in SD1.5, where we found that fine-tuning with different amounts of Kim Hong-do painting and ink drawing data resulted in different settings for the best images of the two concepts. Specifically, we found that the CFG scale was best at 6-7 for the former and 3-4 for the latter. We also found that the optimal CFG scale tended to decrease as the amount of fine-tuning increased, so we tried to keep the scales similar in order to train to a similar degree.
캡션 생성 / Create captions
캡션을 만드는데 CLIP Interrogator 2.4를 사용하였습니다. 설정은 git-large-coco, ViT-H-14/laion2b_s32b_b79k를 했는데, 샘플 몇 개를 골라 종류별로 뽑아보고 괜찮다고 생각된 설정을 선택했습니다.
I used CLIP Interrogator 2.4 to create the captions. The settings were git-large-coco, ViT-H-14/laion2b_s32b_b79k, and I picked a few samples to play around with and chose the ones I thought looked good.
그리고 위의 캡션을 생성한 후 몇 가지 텍스트를 추가했습니다. 각 화가의 영문 이름을 추가한 뒤 whtjs이란 텍스트를 추가했습니다. 그리고 K-art에는 gksrnr 이란 텍스트를, 그리고 수묵화에는 tnanr 이란 텍스트와 화풍의 영문 이름을 추가했습니다.
And after creating the caption above, I added some text: I added the English name of each painter, then added the text whtjs, then added the text gksrnr for K-art, then added the text tnanr for ink paintings, then added the English name of the painting style.
전체적인 캡션은 아래와 같이 구성되어 있습니다.
The overall caption is configured as follows
data
captions
강세황 / kangsehwang
whtjs, kangsehwang, + Captions created by CLIP Interrogator 2.4
김홍도 / kimhongdo
whtjs, kimhongdo, + …
신윤복 / sinyunbok
whtjs, sinyunbok, + …
심사정 / simsajeong
whtjs, simsajeong, + …
안중식 / anjungsik
whtjs, anjungsik, + …
장승업 / jangseungeop
whtjs, jangseungeop, + …
허련 / heoryeon
whtjs, heoryeon, + …
디지털 K-art 데이터 / Digital K-art data
gksrnr, + …
수묵화 백묘법 / traditional Korean ink paintings baengmyo
tnanr, baengmyo, + …
수묵화 구륵법 / traditional Korean ink paintings gureuk
tnanr, gureuk, + …
수묵화 몰골법 / traditional Korean ink paintings molgol
tnanr, molgol, + …
파인 튜닝 / Fine Tuning
SD학습법 5가지 글에 있는 프로그램 중 kohya-ss를 사용했습니다. 이전에 사용하던 StableTuner는 SDXL지원이 없었으며 정신적 후속작인 One Trainer는 클라우드를 지원하지 않았습니다.
Of the programs in this article, I used kohya-ss. My old StableTuner didn’t have SDXL support, and its spiritual successor, One Trainer, didn’t support the cloud.
Runpod에서 학습을 했으며 사용된 RTX 6000 Ada를 사용했습니다. 비용은 125$가 쓰였습니다. 시행착오를 제외하고 예상되는 비용은 80$로 예상됩니다. 그리고 저는 learning rate를 낮게 설정해서 학습을 했기에 실제 비용을 줄일 수 있는 여지는 좀 더 있을 것으로 생각됩니다.
I did the learning on Runpod and used a used RTX 6000 Ada, which cost me 125$. Excluding trial and error, the expected cost is expected to be 80$. And I did the learning with a low learning rate, so I think there is some room to reduce the actual cost.
학습 진행 과정 / Progression of Fine Tuning
조금씩 학습시키면서 데이터셋을 바꾸어서 다음 학습을 이어갔습니다. 각 스텝마다 모델을 저장한 뒤 이미지를 출력하여 테스트했습니다. 이미지는 학 화가별, 화풍별로 뽑아보았고, 주제는 산, 남자, 여자, 고양이, 나무, 집 이렇게 여섯 가지로 뽑았습니다. 각 이미지가 2d의 그림으로 나오는지 테스트한 뒤 괜찮은 결과가 나온 모델을 선택하고 학습을 이어 나갔습니다. 아래는 그 과정을 나타낸 표와 차트입니다.
After each step, I saved the model and tested it by outputting images. The images were selected by artist and painting style, and the subjects were six: mountains, men, women, cats, trees, and houses. I tested each image to see if it came out as a 2D picture, then selected the model with good results and continued training. Below is a table and chart showing the process.
그림에 표시되지 않은 설정은 아래와 같습니다. The settings not shown in the figure are as follows
mixed_precision: bf16 optimizer: Adafactor save_every_n_epochs: 1 save_precisio: bf16 train_batch_size: 16 or 32 train_text_encoder: false training image repeats: 1 full bf16 training
중간에 몇 가지 고비가 있습니다. 학습할수록 품질이 감소하던 구간이 두 번 이었습니다. 그럴 때마다 품질이 나빠지더라도 학습을 진행한 뒤 결과를 테스트했습니다.
There are some bumps in the road. There were two stretches where the quality decreased as we learned, and each time, we kept learning even though the quality got worse and then tested the results.
또한 k-art의 데이터는 잘 학습이 되지 않았습니다. 입력된 데이터에 비해서 결과물이 상당히 아쉬웠는데, 이 부분은 학습시킬수록 개선이 되지 않아서 2d 이미지가 나오는 선에서 학습을 그만두었습니다. 또한 자료가 부족한 화가의 결과물은 제대로 나오기가 어려웠습니다. 안중식 화가의 작품이 그러했습니다. 그리고 심사정 화가의 작품은 어째서인지 여성의 그림으로만 채워지는 현상이 나오기도 했습니다. 캡션에서 어떤 인물과 겹친 것은 아닌가 추측됩니다.
Also, K-ART’s data was not trained well, and the results were quite disappointing compared to the input data, which did not improve as we trained it, so we stopped learning at the point where 2D images appeared. Also, it was difficult to get good results from painters who lacked data. This was the case with Ahn Jung-sik’s work, and for some reason, Shim Seong-jung’s work was filled with only women’s paintings. I’m guessing that the captions overlapped with some figures.
위의 이미지는 아래의 설정으로 나온 이미지 입니다. The image above was created with the settings below.
seed: 12345
steps: 30
cfg: 8
sampler_name: dpmpp_2m
scheduler: karras
denoise: 1.0
사용 가이드 / User Guide
트리거 단어 리스트 / Trigger Words List
참고로 화가의 실제 그림체를 제대로 반영하지는 못합니다.
Note that this is not a true representation of the painter’s actual painting style.
트리거 단어 / Trigger Words
효과 / Effects
whtjs
조선시대 화가의 평균적인 화풍을 구현합니다. Emulates the average painting style of a Joseon era painter.
kangsehwang
가장 단순한 형태로 그려집니다. It is drawn in its simplest form.
kimhongdo
가장 품질이 뛰어납니다. The highest quality.
sinyunbok
두 번째로 품질이 뛰어납니다. Second highest quality.
simsajeong
그림에서 여성의 얼굴이 나올 확률이 높습니다. A woman’s face is more likely to be in the image.
anjungsik
가장 품질이 좋지 않습니다. The lowest quality.
jangseungeop
두 번째로 품질이 좋지 않습니다. Second worst quality.
heoryeon
가장 색상이 적은 결과물이 나옵니다. The result is the one with the least colour.
gksrnr
현대적인 형태를 만듭니다. 신체 오류가 자주납니다. Creates modern shapes. Body errors are frequent.
tnanr
아래 세 가지 수묵화 기법의 평균적인 모습을 만듭니다. Produces an average look of the three ink painting techniques below.
baengmyo
whtjs의 결과와 유사하게 나올 때가 많습니다. The results are often similar to those of ‘whtjs’
gureuk
얇은 경계가 있는 느낌으로 그림이 나옵니다. The result is a picture with a thin border.
molgol
경계가 없는 결과물을 만들어 냅니다. Produces results that have no boundaries.
사용 팁 / Usage Tips
일반적으로 CFG scale이 높을수록 품질이 좋지 않습니다. 10 이상으로 설정하는 것은 추천하지 않습니다. 다만 짧은 단어는 영향을 거의 받지 않는 것으로 보입니다. In general, the higher the CFG scale, the worse the quality. We don’t recommend setting it above 10. However, shorter words seem to be less affected.
긴 문장을 입력할수록 일반적인 사진으로 나올 가능성이 높습니다. 그렇다고 트리거 단어의 가중치를 늘린다고 하더라도 결과물이 더 나아지지 않습니다. The longer sentences you type, the more likely you are to get a generic photo, and increasing the weight of the trigger word doesn’t make the result any better.
추천하는 CFG scale은 4-8 사이입니다. The recommended CFG scale is between 4-8.
품질이 떨어지는 트리거 단어를 단독으로 사용하지 마세요. Don’t use poor-quality Trigger Words in isolation.
트리거 단어 여러개를 동시에 사용해서 테스트를 하진 않았지만, 일반적으로 더 좋게 나올 것으로 추측됩니다. I haven’t tested using multiple trigger words at the same time, but I’m guessing it will generally work better.
이미지가 사진처럼 나올 경우 ‘painting’ 이나 ‘style’이란 프롬프트도 같이 사용하면 좀 더 나은 결과를 볼 수 있습니다. ex) kimhongdo painting If your image comes out looking like a photo, you may see better results if you also use the “painting” or “style” prompts. ex) kimhongdo painting
아직은 많이 사용하지 않아서 이후에 제시된 방법이 수정될 수 있습니다. I haven’t used it much yet, so the methods presented here may be modified in the future.
이미지를 768×768사이즈로 바꾼뒤, clip_interrogator를 통해 프롬프트를 만들었습니다. 이후 한국 수묵화 자료에 gksrnrghk라는 프롬프트를 붙이고, 김홍도 그림에는 rlaghdeh라는 프롬프트를 추가로 붙였습니다.
이 이미지를 다시 512×512사이즈로 바꾼 뒤 Stable Tuner를 이용해서 학습을 했습니다. 사용한 설정은 아래와 같습니다.
pretrained model: runwayml/stable-diffusion-v1-5
seed: 3434554
resolution: 512
train batch size: 24
num train epochs: 60
learning rate: 5e-6
원래 768 모델을 생각하고 제작했으나, 실행할 수 있는 환경이 제약이 크고 컨트롤넷을 사용할 수 없었기에 512모델 1.5버전으로 다시 작업을 했습니다.
자료가 이미 준비 되어있기 때문에 경우에 따라서는 (예산이라든지) 새롭게 학습 할 지도 모르겠습니다.
사용 가이드
한국 수묵화 데이터는 6000장 정도 김홍도 그림은 1000장 정도 사용되었습니다. 그런 이유인지, 한국 수묵화 스타일로 하려면 CFG Scale를 2-7 사이로 김홍도 그림의 스타일로 하려면 4-12사이를 추천합니다. 두개의 스타일 모두 활용할 경우 중간 값으로 하는 것을 추천합니다. 스텝수에도 영향을 받기 때문에 적절한 값을 찾는 것이 중요합니다.
작동을 잘 하지만 기법에 대한 프롬프트도 적용이 되어있으며 사용할 때는 아래 프롬프트를 사용하면 됩니다. (하지만 미묘한 차이만이 발생합니다.)
백묵법: baegmyobeob
몰골법: molgolbeob
구륵법: guleugbeob
김홍도 그림을 강조하고 싶으면 rlaghdeh style, rlaghdeh painting이란 프롬프트를 같이 사용하면 좀더 강조가 됩니다.
샘플 이미지
txt2img의 샘플이미지 입니다.
gksrnrghk, sky, tree
Steps: 40, Sampler: DPM++ 2M SDE Karras, CFG scale: 2.0, Seed: 1271864954, Size: 768×512, Model hash: a710c70889, Model: gksrnrghk_15_512_60, Clip skip: 2, Script: X/Y/Z plot, X Type: Prompt S/R, X Values: “gksrnrghk,\”gksrnrghk, rlaghdeh\”,rlaghdeh “, Y Type: CFG Scale, Y Values: “2,3,4,5,7,9,12,15”, Version: v1.3.0
단원 김홍도가 유럽을 여행하면 어떤 그림을 그릴지 궁금하다면? 김홍도 그림으로 파인튜닝 한 모델을 가지고 유럽의 사진을 변환했습니다. 일단 유럽의 대표적인 도시의 풍경부터 변환을 해봤습니다. 계획상에는 유럽의 자연경관도 당연히 있습니다. 알프스나 유럽의 포도밭 그리고 이탈리아의 해안도 담을 예정입니다. 건축물보다 자연경관에서 어떠한 결과물이 나올지 궁금해지는데, 풍속화가 유명하긴 하지만 들어간 데이터는 자연을 그린 그림들이 많기 때문입니다.
2023년 6월 1일 수정. 코랩 차단 관련 내용 추가. 아마존 SageMaker Studio Lab 추
2023년 7월 17일 수정. 엘리스 프로젝트 관련 내용 추가. 아마존 SageMaker Studio Lab 하나더 추가.
좋은 그래픽 카드를 가지지 않은 사람들의 경우 대안으로 선택할 수 있는 방법이 몇 가지 있습니다. 코랩과 구름IDE를 써보는 것 입니다. 그리고 런포드(런팟)라는 대안 또한 있는데요. 런포드는 자체적으로 템플릿을 제공하기 때문에 거기서 적당한 것을 선택해서 사용하시면 됩니다. 여기서 소개될 TheLastBen의 경우 런포드 템플릿이 공식적으로 지원됩니다.
기본적으로 코랩이든 구름IDE이든 서버에 ipynb 파일을 업로드 해서 실행만 하면 끝납니다. 물론 몇 가지 설정을 해야 할 수도 있습니다. 몇 가지 설정에 따라 품질이 좀 달라질 수도 있지만 결국 동일한 Automatic1111 Webui를 돌린다는 점에서는 큰 차이는 없다고 생각합니다.
국내에서 많이 쓰이는 버전으로 보입니다. 개인적으로 저는 Deforum을 많이 쓰는데, 이게 작동이 되지 않습니다. 그래도 국내에서 쓰기엔 가장 편리한 버전이라고 생각합니다. 다만 현재는 업데이트 되지 않아 보이기도 합니다. 발생하는 오류에 대해서는 댓글을 통해 자료를 찾고 해결해야 할 것으로 보입니다.
제가 쓰는 버전입니다. 이 버전을 쓰는 이유는 Deforum이 작동하기 때문입니다. 위의 국내버전도 사용 가능했었는데, 어느 순간부터 문제가 생겼습니다. 사실 TheLastBen도 비슷한 오류가 생겼는데 Deforum측에서 버그를 고쳐줬는데 아마 이버전을 기준으로 고친 것으로 알고 있습니다. 그리고 자주 수정을 합니다. 이게 가끔 단점이기도 하네요.
조금 특이한 것이, 모델 별로 파일을 나누었다는 점이 있습니다. 원하는 모델에 맞게 쓰면 편리한 점은 있지만 굳이 라는 생각이 드네요. 이분은 텍스트 webui도 만드시는데 그 또한 비슷하게 모델별로 파일을 만들어 놨습니다. 편리하다면 편리하지만 불편한 점이 있긴 하죠.
요즘 ai그림 학습에 관한 이야기가 많아졌습니다. 학습에 관한 이야기에 앞서 각 ai 그림 서비스에 대해 언급하자면, 미드저니나 달리같은 인공지능 그림Ai는 특정 기업에서 개발을 하고 서비스를 하고 있습니다. 그런데 스테이블 디퓨전은 조금 특이합니다. 오픈 소스로 풀려서 개인들이 여러 기능을 추가하고 개발하고 있습니다.
그리고 이 스테이블 디퓨젼이 이제 XL 버전까지 발표가 되었습니다. 그리고 그걸 계기로 기존의 자료를 새롭게 정리했습니다. 그간 발표된 학습법을 정리하면 크게 카테고리를 5개로 나눌 수 있어 보입니다. 다만 이 기준으로 각 프로그램을 분류를 하니 중복된 경우가 많아서, 학습법 소개와 프로그램 소개 하는 부분을 분리했습니다.
관련 자료는 여기서 계속 업데이트 할 계획입니다.
수정내역
2023년 3월 16일 / LoCon 에 대한 내용 정리 중.
2023년 3월 17일 / thelastben 잘못된 설명 수정.
2023년 3월 18일 / LoRA 링크 추가
2023년 6월 2일 / EveryDream Trainer 2.0 추가
2023년 7월 16일 / LoRA에 SDXL 0.9 버전추가 (runpod에서 실행)
2023년 7월 18일 / oneTrainer 추가 (SDXL도 지원)
2023년 8월 6일 / 전체 문서 재정리
스테이블 디퓨전 학습 5가지
전체적으로 학습법을 구분하자면 아래와 같이 크게 5가지로 분류 할 수 있어 보입니다.
텍스트 인버전 / Textual Inversion
사용자가 제공한 객체나 스타일과 같은 개념에 대해 3-5개의 이미지만을 사용하여, 해당 개념을 새로운 “단어”로 표현하는 방법을 학습. 이러한 “단어”들은 자연어 문장으로 구성됨.
드림부스가 아닌 파인튜닝을 하는 방식들을 말합니다. 각각의 프로그램마다 다르다고 봐야겠지요. 개인적으론 드림부스보다 조금 더 학습이 잘된다고 생각하고 있습니다.
학습법의 결과물은 “텍스트 인버젼 < 하이퍼네트워크 << 로라 < 드림부스 < 기타 방식”으로 잘 나오는 것으로 보입니다.
이 글은 기본적으로 webui를 로컬이든 코랩이나 구름 또는 런포드에서 돌려본 적이 있으신 분들을 전제로 글이 작성되었습니다. ai그림 작업을 처음 하시는 분들에게는 부적합한 글이 될 수 있습니다. 또한 저는 전공자나 관련 업종 종사자가 아니기 때문에 용어 사용에서 부정확 하거나 틀린 점이 있습니다.
이러한 학습법을 사용할 수 있는 프로그램들을 정리하겠습니다.
학습 프로그램
Automatic1111 WebUI
지원 기능
텍스트 인버전
하이퍼네트워크
확장프로그램으로 (링크) SD1.5 버전의 드림부스와 LoRA 학습을 사용할 수 있습니다. 드림부스는 ShivamShiaro를 기반으로 합니다. LoRA는 cloneofsimo를 기반으로 하는것으로 보입니다.
위와 함께 완전 초기에 발표 된 프로그램 중 하나지만 Stable Tuner 보다 업데이트가 된지 오래됬습니다.
학습에 필요한 공통적인 준비물
학습시킬 이미지와 토큰. 추가로 정규화 이미지(드림부스나 LoRa, StableTuner사용 시 선택)
학습 시킬 이미지
여러분이 학습시킬 이미지입니다. 예를 들면 좋아하는 캐릭터의 이미지가 될 수도 있고 어떠한 작가의 그림체가 될 수도 있습니다.
토큰
일종의 태그라고 생각하고 있습니다. 태그와 완전 같지는 않지만 비슷하게 생각하면 될것 같습니다. 토큰이라고 적었는데 거창한건 아니고 파일명이 같거나(thelastben), 아니면 같은 파일명으로 된 txt파일 안에 태그나 설명이 들어가 있으면 됩니다.
Webui에 토큰을 편집하는 확장기능이 있습니다. 그리고 트레이닝 탭에 자동으로 토큰을 달아주는 기능이 있습니다. 파일명을 토큰으로 사용할 경우 윈도우에서 바꿀 그림파일들을 선택한뒤 F2를 누르면 일괄변경이 가능합니다.
정규화 이미지(선택)
드림부스나 LoRa, StableTuner등의 학습에서 필요한 이미지. 제가 추측하기로는 과도한 학습을 하지 않게 도와주는 이미지라고 볼 수 있습니다. 저는 학습시키지 않을 일반적인 사진 또는 그림이라고 생각하고 있습니다.
하이퍼네트워크와 드림부스 비교
참고로 드림부스와 StableTuner, LoRa 이렇게 셋은 그렇게 까지 많은 스타일의 차이는 없는 것으로 생각됩니다. 아래는 img2img기능을 사용했을 때 나온 차이 입니다.
하이퍼네트워크드림부스하이퍼네트워크드림부스
인스타 계정에(짭홍도 https://www.instagram.com/jjabhongdo/) 주로 img2img 또는 deforum을 이용한 이미지를 정리해서 올려 놓았는데, 중간에 있는 자판기기를 포함해서 이전에는 하이퍼넷트워크, 자판기 이후부터 파리까지 드림부스, 최근 이미지는 파인튜닝입니다.
학습에 관한 기타 의견
드림부스(LoRA, Stable Tuner포함)를 과도하게 학습시키지 마세요. 일반적으로 이미지 개수가 많지 않은 이상 하이퍼네크워크보단 시간이 적게 걸립니다.
어떤 학습법이든 처음부터 완벽하게 하기보다는 기본설정을 놔두거나 값을 낮춘 뒤 사용법을 익히는 것을 추천합니다.
Webui의 확장기능을 이용할 시 다른 곳에서는 되도 코랩에서는 안될 수도있습니다. 저의 경우 Deforum같은 확장기능이 되지 않고 있습니다.
하이퍼네트워크와 드림부스는 동시에 사용도 가능했던것 같습니다. 꼭 한가지만 고집해야하는 것은 아닌것 같습니다.
제가 링크를 남긴 곳을 통해 학습 방법을 익힐 수도 있지만 구글에서 학습에 대한 검색을 하면 한글로 된 자료를 많이 볼 수 있습니다. 가입해야만 볼 수 있는 곳도 있겠지만 그냥 볼 수 있는 페이지로도 충분하다고 생각합니다.
학습 프로그램 중 짙게 칠한 두 프로그램이 사실상 가장 많이 쓰이고 유지보수가 되는 프로그램으로 보입니다.
6월 5일 추가 / 최근에 미세조정(파인튜닝)한 모델을 공개했습니다. 그것에 대해선 이 글을 참고해 주세요.
ai 그림으로 유명한 스테이블 디퓨전에서 have i been trained? 이란 사이트를 만들었습니다. (학습에 사용된 이미지 검색하는 사이트) 김홍도나 한국화에 관한 단어를 검색하게 되었고, 빈약한 것을 발견하고 외쳤습니다. 그렇다! 여기가 빈땅이구나. 블루오션이다! 그리고 자료를 모으고 가공한다는 점에서 블로그 컨셉과도 잘 맞는다고 약간의 정신승리도 했습니다.
작업 과정
자료는 이전에 공유마당이란 사이트서 구하기로 마음을 먹고 ‘김홍도’라는 검색어를 넣었는데, 거의 대부분은 김홍도의 그림이지만 다른 분의 그림도 섞여 있었습니다. 그래서 따로 정리를 조금 해야 했습니다. 각 게시글의 주소를 모아 다른 작가의 주소는 지우고 난 뒤에 보니 400여 장. 갈 길이 머네요.
다른 작가의 그림개발자 모드로 주소를 수집한 뒤엑셀로 정리, 정리전 스샷
그런 다음 자료를 올리고 이런저런 설정을 해서 학습을 했습니다. 참고로 저는 AUTOMATIC1111 님의 WebUi를 사용했습니다. 빛과 소금 같으신 분. 저에겐 리사 수 같은 분이시죠. 아무튼 그렇게 40시간 정도를 돌렸습니다. 학습 강도는 컴퓨터가 터지지 않도록 0.0000005 정도를 넣었습니다. 중간중간 쉬는 시간도 있었습니다. 컴퓨터님이 아프면 돈이 나갑니다. 전 돈 없어요.
빛과 소금 AUTOMATIC1111학습 설정. 이정도 시간 걸릴줄 몰랐지.
Ai 그림 결과물
학습 초기 작품
처음에 작업을 시작했을 때는 그림 몇 장 안 넣고 돌렸습니다. 거기다 첫 번째는 스텝 수가 10 정도였던 걸로 기억합니다. 그래서 결과물이 좋지는 않았지만 그래도 신기하더군요.
염소와 집단군 이신가?누구신가요?
제대로 학습 시작 후
제대로 그림 400장 정도를 학습시키기 시작했습니다. 적어도 한국화스러운 모습이 나오기 시작했습니다. 적어도 다들 스텝 수가 30000은 넘어가는 상태에서 나온 이미지입니다.
산수화소나무와 새초대형 닭
학습 완료 이후
400여 장의 이미지를 좌우 반전에 부분부분 자동으로 자른 뒤, 230000스텝을 돌린 결과물로 작업을 했습니다. 원본 사진을 찍은 뒤 img2img 기능을 통해 그림을 제작했습니다. 제작 과정에서 사진을 보통 40장 정도 출력을 한 뒤 그중 괜찮은 것을 뽑은 자료인데, 생각보다 다들 품질이 나쁘지는 않지만 그렇다고 모든 그림이 좋았던 것은 아니었습니다. 손가락을 ai가 유독 못 그리는 것처럼 풍경에서도 잘 못 그리는게 많네요.
강, 나무 그리고 기암괴석 / 짭홍도원본사진 금호강, 아파트 / 가공나무 풍경1 / 짭홍도나무와 아파트 / 가공멀리 산이 보이는 대로 / 짭홍도집 뒤 / 가공
부족한 점은 많았고 생각보다 많은 그림을 뽑아서 추려야 했지만 그래도 그럴듯한 그림으로 바꾼다는 데에 만족을 하고 있습니다. 그림만이 아니라 동영상도 지금 제작해 보려고 하는데 결과가 어떻게 될지 궁금하기도 하네요. 무엇보다 이것보다 드림부스가 더 결과물이 좋다는데, 그 작업도 점진적으로 해보려고 생각 중입니다. 좀 더 자료를 잘 추려서 학습 제대로 시켜 봐야겠네요.
라고 다짐했는데,
스테이블 디퓨젼에 ‘korean painting’ 이란 프롬프트 넣으면 한국화가 그려지는 것을 발견했습니다. 물론 결과물은 동일하지 않지만 뭔가 삽질한 기분이 들지 않을수가 없네요. 아아.
감기의 계절이 왔습니다! 코로나 이후 달라진 것들을 정리하다 감기 진료건수를 발견하게 되었는데요. 물론 저도 알고 여러분도 알고 있듯이 진료건수는 줄어있었습니다. 그러나 기존 감기 진료 수의 지역별로 차이와 코로나 전후의 차이가 궁금해서 좀 더 파 보았습니다. 감기 진료 건수를 정리해 주시고 공개해 주신 보건복지부 감사합니다. 아 참고로 제가 이걸 여름에 정리해서 한차례 자료를 만들었는데 그 이후에 다시 데이터가 업데이트되었더군요. 기존 자료는 하늘로 보냈고 두 번 작업하다 보니 능숙하게 작업을 하게 되었습니다. 보건복지부 두 번 감사합니다!
자료 정리 방법
보건복지부의 자료는 일간 자료로 정리되어 있습니다. 이것을 주간, 월간, 연간으로 정리했습니다. 그리고 인구로 나누었는데, 주간 월간 자료는 인구 1000명 당 진료건수로 계산했으며 연간 자료는 인구 1명당 진료건수로 계산했습니다. 이러면 인구가 많아서 높을 진료건수를 보정할 수 있을 것입니다. 이 자료를 qgis 프로그램을 이용해 하나하나 수작업으로 지도를 만든 뒤, gimp를 이용해 조금 편집해서 필요한 형태로 가공했습니다.
연간 감기 진료건수 비교
코로나 이전 2년(2018년, 2019년)과 코로나 이후 2년(2020년, 2021년)을 비교해 보겠습니다.
2018년 연간 진료건수2019년 연간 진료건수
2020년 연간 진료건수2021년 연간 진료건수
1인당 진료건수를 기준으로 정리했습니다. 2018년 2019년의 밝은 색이 보이던 지도가 코로나를 기점으로 어두운색이 된 것을 볼 수 있습니다. 본격적인 코로나19의 유행이 2020년 조금 지나서 시작되어서인지 2021년의 진료건수가 더 낮게 보입니다.
2014년 7월 – 2022년 4월까지의 월간 진료건수를 정리해서 애니메이션으로 만들었습니다. 2014년 행정구역 개편으로 인해 그 이후 자료부터 정리했습니다. 코로나 이후 감소하는 모습을 볼 수 있으며, 조금씩 상황에 따라 진료건수가 증감이 있고 2022년에 들어오면서 확연히 증가하는 것을 볼 수 있습니다.
월간 감기 진료건수월간 진료건수 차트
월간 진료건수를 보면 코로나19 유행시기 급감하는 진료건수를 볼 수 있습니다. 다만 2021년 이후로는 다시 진료건수가 늘어나는 것을 볼 수 있습니다. 그리고 특이점이 하나 있는데, 2016년을 기점으로 감기 진료건수가 꽤 늘어난 것으로 보입니다.
코로나19유행 이후 진료건수 감소 비율
2020년 진료건수 감소 비율2021년 진료건수 감소 비율
2020년 감소비율/인구 차트2021년 감소비율/인구 차트
2019년과 비교하여 2020년 2021년의 진료건수가 얼마나 줄었는지 비교를 했습니다. 모든 시군구의 진료건수가 줄었는데, 2020년 보다 2021년이 더 줄어든 것으로 나왔습니다. 다만 감소의 양상이 조금 달라졌는데, 비교적 도시지역에서 감소 폭이 컸던 2020년과는 달리 2021년은 비교적 고르게 줄어든 것을 볼 수 있습니다.
2021년 진료건수 전년(2020년)대비 증감
코로나가 진행되는 시기의 진료건수의 변화가 궁금해 2020년과 2021년의 진료건수를 비교했습니다. 위의 자료를 참고해서 보면 도시지역이 먼저 2020년에 진료건수가 감소한 뒤 2021년에 나머지 지역이 진료건수 감소를 뒤따른 것으로 보입니다.
