AI 이미지 업스케일링이란? 초보자를 위한 가이드

피사체를 더 크게 보이도록 사진을 크롭한다. 스마트폰에서는 괜찮아 보인다. 27인치 모니터로 열면 가장자리가 흐릿해진다. 분명히 있던 천의 질감이 뭉개진 자국으로 변한다. 피사체 뒤쪽 간판의 작은 글씨는 읽을 수 있는 글자라기보다 글자의 기척 같은 것이 된다.

크롭이 사진을 망가뜨린 건 아니다. 원본이 가진 것보다 더 많은 픽셀을 요구했을 뿐이다. 이미지를 크게 만드는 건 쉽다. 크게 만들면서 선명함을 유지하는 게 어려운 부분이다.

큰 이미지가 선명한 이미지가 아닌 이유

디지털 사진은 색칠된 사각형의 격자다. 격자를 더 크게 만들면, 각 원본 픽셀이 더 많은 화면 공간을 덮어야 한다. 그 새로운 칸을 채우는 소프트웨어에는 두 가지 선택지가 있다. 무엇이 들어가야 할지 추측하거나, 빈틈을 그대로 두고 흐릿함을 감수하는 것이다.

대부분의 소프트웨어는 그 중간쯤에서 작동한다. 주변 픽셀을 평균 내어 새 픽셀을 만들기 때문에, 딱딱한 가장자리는 부드러워지지만 디테일도 함께 부드러워진다. 결과 이미지는 기술적으로는 더 크지만(디스크상의 픽셀 수는 늘어났다), 체감상으로는 더 흐릿하다. 원본에 있던 정보가 더 큰 캔버스에 얇게 펴진 것이다.

이것이 2000픽셀 너비 사진이 자동으로 800픽셀 너비 사진보다 더 선명하게 보이지 않는 이유다. 2000픽셀 버전이 800픽셀 원본을 늘려서 만든 것이라면, 선명한 작은 이미지를 흐릿한 큰 이미지와 맞바꾼 셈이다. 정보가 늘지 않은 채 픽셀만 늘어나면 흐릿함만 더 커진다.

기존 업스케일링과 그 한계

이미지 리사이즈의 수학은 수십 년 전부터 존재해 왔다. 가장 흔한 방식인 바이큐빅 보간은 주변 16개 픽셀의 격자를 보고 각 새 픽셀의 가중 평균을 계산한다. Lanczos는 더 넓은 주변 영역과 더 정교한 가중 함수를 사용하는 더 선명한 변형이다. 둘 다 빠르고 결정적이며, 모든 이미지 편집기에 내장되어 있다.

둘 다 애초에 포착되지 않은 디테일을 발명해 낼 수는 없다.

원본 사진에 벽돌 벽이 있고 개별 벽돌의 너비가 3픽셀에 불과하다면, 바이큐빅은 모르타르 선을 회색 안개로 부드럽게 만든다. Lanczos는 가장자리를 더 강하게 유지하려 하지만, 고대비 경계 주변에 희미한 후광이 생기는 링잉 아티팩트를 일으킬 수 있다. 이후에 샤픈 필터를 적용하면 가장자리 주변의 국소 대비를 높여 이미지가 더 또렷해 보이게 할 수 있지만, 벽돌의 질감을 복원하지는 않는다. 샤픈은 이미 있는 것을 강조할 뿐이다. 없는 것을 더할 수는 없다.

모든 기존 방식에 공통된 근본적인 한계가 있다. 넣은 것보다 더 많이 꺼낼 수는 없다는 점이다. 바이큐빅 보간으로 4K로 업스케일된 0.8메가픽셀 크롭은 여전히 0.8메가픽셀 이미지이며, 더 많은 공간을 차지할 뿐이다.

AI 업스케일링의 작동 방식

AI 업스케일링 모델은 보간하지 않는다. 재구성한다.

그 차이는 훈련에서 비롯된다. Seedream과 같은 모델은 훈련 중에 수백만 장의 선명한 고해상도 이미지를 보았다. 고해상도에서 머리카락이 어떻게 보이는지를 학습했다. 단순한 "갈색 영역"이 아니라, 개별 가닥이 분리되고, 서로 교차하며, 가장자리에서 빛을 받아들이는 방식이다. 벽돌의 반복적인 기하학적 패턴, 천의 실이 서로 엮이는 방식, 흔한 서체에서 글자 형태의 특정 곡률도 학습했다.

저해상도 이미지를 모델에 입력하면, 모델은 픽셀을 늘리는 게 아니다. 흐릿한 입력을 보고 묻는 것이다. 내가 지금까지 본 모든 선명한 이미지에 비추어, 이것은 가장 어떻게 보여야 하는가?

결과는 인상적일 수 있다. 머리카락은 가닥으로 분리된다. 천은 직조를 보여준다. 먼 곳의 간판 글씨는 읽을 수 있게 된다. 하지만 솔직한 부분은 이것이다. 그 디테일은 '그럴듯한' 것이지, '복원된' 것이 아니다. 모델은 원래 벽돌 벽이 어떻게 생겼는지 마법처럼 알지 못한다. 흐릿함 속에서 본 패턴을 바탕으로 그럴듯해 보이는 벽돌을 생성한 것이다. 인쇄물, 상품 리스팅, 데스크톱 배경화면 등 대부분의 용도에서는 이 구분이 문제되지 않는다. 이미지는 선명해 보이고, 그게 필요했던 것이다.

모든 픽셀이 사실 확인이 필요한 법정 증거용 작업이나 아카이브 복원 작업에서는 이 구분이 크게 중요하다. 이 도구는 그런 용도가 아니다.

AI 업스케일링이 효과적인 경우와 그렇지 않은 경우

AI 업스케일링의 최적 후보는 원본이 깨끗하지만 단순히 너무 작은 이미지다. 공급업체로부터 압축된 800픽셀 JPEG로 받은 상품 사진. 프레임의 절반을 크롭하고 남은 부분이 1200픽셀에 불과한 풍경 사진. 텍스트는 읽을 수 있지만 부드러운 문서의 스크린샷. 이런 경우 모델은 작업할 명확한 신호를 가진다. 가장자리, 색상 경계, 전반적인 구조를 볼 수 있다. 부족한 해상도를 그럴듯한 디테일로 채우고, 결과는 자연스러워 보인다.

어려운 경우는 다르다. 모션 블러는 여러 픽셀에 걸쳐 가장자리를 번지게 한다. 모델은 깨끗한 경계가 없고, 그 번짐이 걷는 사람인지, 손 떨림인지, 빠른 패닝인지 알 방법도 없다. 심한 센서 노이즈(저조도에서 저렴한 카메라로 찍을 때 생기는 형형색색의 얼룩)는 모델에게 텍스처처럼 보이기 때문에 혼란을 준다. 업스케일러는 노이즈를 증폭시켜 인위적인 그레인처럼 보이게 만들거나, 노이즈를 부드럽게 처리하는 과정에서 실제 텍스처도 함께 지워버릴 수 있다. 한쪽 눈이 다른 쪽의 절반 크기가 되는 극단적인 각도의 얼굴은, 비대칭적인 디테일이 스스로를 과도하게 드러내는 결과를 낳을 수 있다.

업스케일러는 복원 도구도 아니다. 찢어진 사진을 고치거나, 워터마크를 제거하거나, 누렇게 변색된 스캔을 색보정하지 않는다. 하는 일은 하나다. 해상도 재구축. 그리고 명확한 경계 안에서는 그 일을 잘 해낸다. 그 경계 밖에서는 결과가 제각각이다.

사진을 업스케일하는 더 빠른 방법

고해상도 이미지를 얻는 기존 방식은 데스크톱 소프트웨어를 열고, 보간 방식을 고르고, 샤픈을 적용하고, 괜찮아 보일 때까지 조정하는 것이다. 사진 한 장이면 몇 분이 걸린다. 상품 사진 배치 작업이면 오후 하나가 사라진다.

단일 이미지 AI 업스케일러는 그 모든 것을 건너뛴다. Free HDR Photo Enhancer에서 JPEG, PNG, WebP(최대 5MB, 36메가픽셀)를 업로드하고, 모델과 목표 해상도를 선택하면, 업스케일러가 약 30~60초 만에 이미지를 재구축한다. 워터마크 없는 전체 해상도 다운로드를 받을 수 있다.

세 가지 Seedream 모델을 이용할 수 있다. Seedream 5.0 Pro는 균형 잡힌 옵션이며 대부분의 사진에 가장 안전한 기본 선택이다. Seedream 5.0 Lite는 최대 4K 출력이 가능하고 실행당 크레딧 소모가 가장 적어, 가능한 한 큰 출력이 필요할 때 유용하다. Seedream 4.5는 인물 사진과 따뜻한 렌더링 쪽으로 기울어져 있으며, 사진에 사람이 있다면 시도해 볼 만하다. 세 모델 모두 선택에 따라 PNG 또는 JPEG 출력을 생성하며, 결과에 대해서만 비용을 지불한다. 실패한 작업은 크레딧이 자동으로 환불된다.

원본 사진에 평평한 조명이나 뭉개진 섀도도 있다면, 먼저 HDR 보정 도구에 통과시키는 것으로 업스케일러에 더 많은 톤 정보를 제공할 수 있다. 두 도구는 서로 다른 문제를 해결한다. HDR은 빛을 복원한다. 업스케일링은 해상도를 재구축한다. 함께 사용하면, 흐릿한 800픽셀 스냅이 두 번의 패스로 밝은 4K 이미지가 될 수 있다.

업스케일러가 모든 사진을 벽에 걸 수 있는 걸작으로 바꾸지는 못한다. 하지만 지금 카메라 롤에 있는 사진들(크롭한 것, 오래된 다운로드, 더 크게 만들고 싶은 공급업체 이미지)에게는, 기존의 어떤 리사이즈보다 훨씬 더 가까운 결과를 가져다줄 것이다.