업스케일러의 실제 작동 방식
전통적인 크기 조절 방식은 보간법을 사용합니다. 양쪽 픽셀을 기반으로 중간 픽셀값을 계산하여 더 크고 부드러운 이미지를 만들며, 기존에 없던 정보를 추가하지는 않습니다.
최신 업스케일러는 생성 방식을 사용합니다. 작은 이미지와 큰 이미지 쌍으로 학습된 모델을 기반으로 하며, 원본에서 추출하기보다 피사체에 어울릴 만한 디테일을 새로 만들어냅니다. 얼굴의 모공, 직물의 결, 멀리 있는 나무의 잎 등이 이에 해당합니다.
이러한 차이가 이 글의 핵심입니다. 모공은 실제로 촬영된 것이 아닙니다. 해당 위치에 있을 법한 모공의 형태를 모델이 가장 그럴듯하게 추정한 결과이며, 이는 생성기가 전체 프레임에 걸쳐 수행하는 작업과 동일합니다.
따라서 업스케일러를 거친 이미지는 실제 합성 텍스처를 포함하게 되고, 텍스처를 분석하는 탐지기는 이를 그대로 감지하여 보고합니다. 탐지 결과는 정확하지만, 사람들이 이를 바탕으로 내리는 결론은 틀릴 수 있습니다.
이로 인해 수많은 위양성이 발생하는 이유
업스케일링은 도처에 널리 쓰이며, 이를 사용하는 사람조차 인지하지 못하는 경우가 많습니다. 스마트폰 카메라는 디지털 줌에 이를 적용하고, 편집 프로그램은 '화질 개선' 기능으로 제공하며, 화상 통화에서는 대역폭을 보완하는 데 쓰고, 플랫폼에서는 원본보다 큰 크기로 이미지를 제공할 때 적용합니다.
아카이브 및 복원 작업은 대표적인 극단적 사례입니다. 낮은 해상도로 스캔한 뒤 인쇄용으로 화질을 개선한 오래된 사진은 구조적으로 상당 부분이 다시 그려진 상태이며, 결과적으로 눈에 보이는 많은 부분이 생성된 것이므로 모델이 생성한 이미지와 유사한 점수를 받게 됩니다.
우측 상단 영역이 문제가 되는 부분입니다. 이 이미지들은 실제 사물을 묘사하면서도 만들어진 픽셀을 포함하고 있으며, 모델은 두 가지 속성 중 하나만 측정하므로 어떤 수치로도 이를 명확히 분리해낼 수 없습니다.
두 이미지를 구별하는 방법
영역 맵은 첫 번째 도구로 활용되며, 업스케일링과 생성이 인위적 텍스처를 분배하는 방식이 다르다는 점을 이용합니다.
- 업스케일링은 균일합니다. 프레임의 모든 부분이 동일한 처리 과정을 거쳐 확대되므로 그리드 전체가 고르게 따뜻한 톤을 띱니다.
- 전체 생성 이미지 역시 균일합니다. 이것이 바로 영역 맵만으로는 결론을 내릴 수 없는 이유입니다.
- 선택적 개선은 균일하지 않습니다. 단체 사진에서 한 사람에게만 적용된 얼굴 복원은 특정 영역에만 집중된 반응을 나타내며 유용한 단서를 제공합니다.
- 구도는 그대로 유지됩니다. 업스케일된 사진은 실제 장면이었기 때문에 현실적인 기하학적 구조, 원근법 및 조명을 그대로 유지합니다.
- 디테일 검증이 가능합니다. 새로 만들어진 영역을 확대해 보세요. 업스케일된 텍스트는 그럴듯하지만 판독할 수 없는 형태가 되며, 실제 텍스트는 읽을 수 있는 상태를 유지합니다.
마지막 항목이 실무에서 가장 유용한 방법입니다. 표지판, 라벨 또는 작은 글씨를 확대해 보세요. 업스케일러는 판독하기 어려운 텍스트를 마주했을 때 글자 형태를 띤 의미 없는 무늬를 만들어내며, 이러한 오류는 점수와 무관하게 사람이 직접 눈으로 확인할 수 있습니다.
| 신호 | 업스케일된 사진 | 생성된 이미지 |
|---|---|---|
| 전체 프레임 점수 | 높음 | 높음 |
| 영역 지도 | 웜하고 평탄함 | 웜하고 평탄함 |
| 확대 시 작은 텍스트 | 그럴듯하지만 의미 없는 형태 | 그럴듯하지만 의미 없는 형태 |
| 장면의 기하학적 구조 | 일관됨(실제 장면) | 대체로 일관됨 |
| 이전에 등록된 더 작은 사본 존재 | 자주 있음 | 아니요 |
| 원본 파일 확보 가능 | 가능(요청 필요) | 없음 |
하단의 두 행이 실제로 문제를 해결하는 핵심이며, 둘 다 픽셀 측정과는 무관합니다. 이미지 역검색을 통해 크기가 더 작은 이전 사본을 찾거나, 제공자로부터 보정 전 파일을 확보하면 의문을 즉시 해결할 수 있습니다.
실무적 시사점
이미지를 평가하는 실무자라면, 높은 점수를 판정 결과로 단정 짓기 전에 먼저 화질 개선 여부를 묻는 것을 원칙으로 삼아야 합니다. 이는 비용이 들지 않는 간단한 질문 하나로 혼란스러운 결과의 상당 부분을 설명해 줍니다.
콘텐츠를 게시하는 입장에서는 원본을 보관해야 하는 명확한 이유가 됩니다. 사진작가, 보험 손해사정사, 기자가 보정 전 파일을 제시할 수 있다면, 다른 방법으로는 해결하기 어려운 의혹을 완벽하게 해소할 수 있습니다.
아카이브 및 복원 작업의 경우 이는 탐지의 문제가 아닌 라벨링(표기)의 문제입니다. 화질이 개선된 역사적 사진은 정당하고 유용한 결과물이지만 점수는 항상 나쁘게 나올 수밖에 없으므로, 어떤 작업이 수행되었는지 정직하게 밝히는 것이 올바른 대응입니다.
실제 피해가 발생하는 영역
단순한 호기심을 넘어 실질적인 문제를 야기하는 세 가지 환경이 있으며, 모두 한 가지 공통점을 공유합니다. 바로 타인이 촬영한 이미지를 바탕으로 누군가에 대한 중대한 결정을 내린다는 점입니다.
보험금 청구가 가장 명확한 사례입니다. 청구인이 휴대전화로 피해 사진을 촬영했는데 이미지가 작아 누군가 세부 사항을 확인하려고 확대합니다. 확대된 버전은 높은 점수를 받게 되고, 정당한 청구 건에 이제는 누구도 삭제할 수 없는 '조작 가능성' 메모가 남게 됩니다.
저널리즘 분야도 동일한 양상을 보입니다. 제보자로부터 받은 사진을 인쇄용으로 업스케일링하여 배포하면, 이후 유통되는 사본을 검증하는 과정에서 플래그가 지정됩니다. 원본에는 문제가 없었으나 정작 원본 파일은 누구의 손에도 남아있지 않게 됩니다.
법적 분쟁 및 징계 절차는 가장 심각한 사례에 해당합니다. 화질이 개선된 사본이 그대로 증거 기록에 제출되는 경우가 많기 때문입니다. 증거로 채택되어야 할 이미지는 어떠한 개선 작업도 거치지 않은 원본 파일이어야 하며, 개선 작업 내역은 별도로 문서화해야 합니다.
워크플로 구축을 위한 권고사항
조직 내에서 이미지를 접수하고 평가하는 프로세스가 있다면, 가장 적은 비용으로 개선할 수 있는 방법은 파일의 화질 개선 여부를 기록하는 필드를 추가하는 것입니다. 접수 단계에서 체크박스 하나만 추가하면 향후 해결 불가능한 분쟁을 원천 차단할 수 있습니다.
두 번째로 효과적인 방법은 반드시 사본에 대해서만 화질 개선 작업을 진행하는 규칙을 세우는 것입니다. 접수된 파일은 그대로 보관하고, 열람용 복제본만 개선하며, 최종 기록과 함께 보관 및 전달되는 파일은 보기 좋은 사본이 아닌 원본이어야 합니다.
여기서 점수가 실제로 무엇을 측정하는지에 대한 더 넓은 교훈을 얻을 수 있습니다. 모델은 눈앞의 텍스처 중 소프트웨어로 생성된 비율이 얼마인지를 보고합니다. 이는 실재하는 특성이지만, 사람들이 알고 싶어 하는 '실제로 일어난 사실을 기록한 사진인가'라는 본질과는 다릅니다.
이 분야에서 발생하는 대부분의 혼란스러운 결과는 바로 이 간극에서 비롯됩니다. 업스케일링은 이러한 상반된 특성을 가장 명확하게 보여주는 사례입니다. 텍스처는 인위적으로 생성되었지만, 피사체는 온전히 진짜이기 때문입니다.