AI 사진 컬러화는 어떻게 작동할까? (그리고 얼마나 정확할까)

수백만 장의 사진으로 색을 학습하기

컬러화 모델은 단순한 방식으로 학습합니다. 평범한 컬러 사진 수백만 장에서 색을 지우고, 그 색을 다시 맞히도록 네트워크를 훈련시키는 것입니다. 원래 색과 비교해 틀릴 때마다 모델은 무언가를 배웁니다 — 하늘은 대개 파랗지만 노을 하늘은 그렇지 않다는 것, 피부는 그럴듯한 톤의 범위가 비교적 좁다는 것, 잔디, 벽돌, 데님, 나무는 각기 다른 방식으로 빛을 반사한다는 것을요.

충분히 학습한 뒤의 모델은 특정 사진을 기억하는 것이 아니라, 세상이 보통 어떤 색으로 이루어져 있는지에 대한 통계를 몸에 익힌 상태가 됩니다. 흑백 장면을 보여주면 재질과 조명을 파악한 뒤, 거기에 가장 그럴듯한 색을 예측합니다.

사진에 실제로 일어나는 일

사진을 컬러화할 때 모델은 먼저 얼굴, 옷, 식물, 하늘, 실내 표면 등 장면 전체를 읽고, 사실상 자신이 이해하는 영역들로 나눕니다. 그다음 각 영역에 색을 예측하고 사진의 실제 밝기 경계를 따라 자연스럽게 섞기 때문에, 빨간 재킷의 색이 뒤쪽 벽까지 번지지 않습니다.

사진의 밝기 구조—모든 경계, 질감, 그라데이션—는 그대로 유지되고, 생성되는 것은 오직 색상 채널뿐입니다. 그래서 컬러화된 사진도 원래의 분위기를 잃지 않습니다. AI는 이미 사진 안에 있는 선 안에서 색을 입힐 뿐, 사진을 새로 그려내는 것이 아닙니다.

정확한 것과 추정인 것

비교적 정확한 것: 피부 톤, 하늘, 식물, 나무, 흔한 재질처럼 색이 통계적으로 강한 규칙을 따르는 것들입니다. 추정에 가까운 것: 옷, 자동차, 집 외벽 색처럼 다양한 선택지가 가능한 대상입니다. 모델이 파란색으로 칠한 드레스가 실제로는 빨간색이었을 수도 있고, 흑백 이미지 안에는 이를 확정할 정보가 아예 없습니다. 이것은 근본적인 한계입니다. 회색조 사진엔 그 정보가 실제로 없기 때문입니다.

그래서 역사학자들은 컬러화된 사진을 기록 그 자체라기보다 해석으로 봅니다. 동시에 이것이 가족 사진에서 컬러화가 강력한 이유이기도 합니다. 식탁보가 정확히 그 색이었다고 주장하려는 게 아니라, 회색 속 인물이 아니라 살아 있는 장면 속 사람으로 조부모를 다시 보는 것이니까요. 그리고 구체적으로 아는 정보가 있다면 기억이 통계보다 낫습니다. 드레스가 빨간색이었다는 것을 직접 알고 있을 수도 있으니까요.

가장 좋은 결과를 얻는 방법

컬러화 품질은 입력 품질을 따라갑니다. 선명하고 잘 디지털화된 사진이 어둡고 흐릿한 사진보다 더 좋은 결과를 내는 이유는, 모델이 재질을 질감으로 구분하기 때문입니다. 인화 사진이 손상되었거나 바랬다면, 복원과 컬러화를 한 번에 진행하세요. 스크래치를 복원하고 대비를 다시 세운 뒤 컬러화하면 모델이 장면을 훨씬 더 정확하게 읽을 수 있습니다.

결과는 전체 화면으로 확인하세요. 피부는 생기 있어야 하지만 주황빛으로 과하지 않아야 하고, 흰색은 흰색으로 유지되어야 하며, 색은 윤곽선 안에 잘 들어가 있어야 합니다. 좋은 AI 컬러화는 ‘그날 찍힌 컬러 사진’처럼 보여야 합니다. ‘흑백 사진 위에 칠한 그림’처럼 보인다면 입력 이미지가 너무 손상된 경우가 많고, 먼저 복원하면 색도 함께 좋아집니다.

자주 묻는 질문