같은 사람인데 AI 퍼스널컬러 결과가 왜 달라질까?
사진 기반 AI는 실제 사람을 직접 보는 것이 아니라 카메라가 만든 픽셀을 입력으로 사용합니다. 그래서 조명·노출·화이트밸런스·필터·배경이 바뀌면 모델이 보는 정보도 함께 바뀝니다. Colorys 개발 과정에서 확인한 결과 변동의 원인과 현재 검증 수준을 숨기지 않고 정리했습니다.
1. 먼저 구분해야 할 것: 반복성 ≠ 정확도
같은 사진을 여러 번 넣었을 때 같은 결과가 나오는 것은 '반복성'에 가깝습니다. 하지만 그 결과가 전문 컬러리스트의 판정과 얼마나 일치하는지를 말하려면 별도의 정답 라벨과 검증셋이 필요합니다. 현재 Colorys는 독립된 전문가 라벨 검증셋을 이용해 계산한 공식 정확도(accuracy) 수치를 공개하고 있지 않습니다.
2. 개발 과정에서 확인한 결과 변동
초기 모델을 실제 사진으로 테스트하면서 동일 인물이라도 촬영 환경이 바뀌면 다른 계절형이 상위 결과로 나오는 사례를 확인했습니다. 특히 얼굴의 밝기와 색온도가 달라지는 상황에서는 모델 입력 자체가 크게 달라졌습니다. 그래서 Colorys는 한 번의 결과를 절대적인 판정으로 안내하지 않고, 촬영 조건을 최대한 일정하게 만드는 가이드를 함께 제공합니다.
| 변수 | 사진에서 생기는 변화 | 모델에 미칠 수 있는 영향 |
|---|---|---|
| 조명의 색 | 피부가 실제보다 노랗거나 푸르게 기록될 수 있음 | 웜/쿨과 관련된 시각적 특징이 달라질 수 있음 |
| 밝기·노출 | 명암, 피부 대비, 그림자 영역이 달라짐 | 밝고 선명한 클래스와 어두운 클래스의 점수 차이가 달라질 수 있음 |
| 카메라 화이트밸런스 | 같은 조명에서도 기기마다 색을 다르게 보정할 수 있음 | 기기 간 결과 차이가 생길 수 있음 |
| 메이크업·필터 | 피부색과 입술·볼의 색을 직접 변경 | 학습 데이터와 다른 특징을 입력할 수 있음 |
| 배경·옷 | 얼굴 주변의 큰 색 영역이 바뀜 | 전체 이미지를 분류하는 모델이 주변색의 영향을 받을 가능성이 있음 |
3. 더 일관된 사진을 만드는 방법
‘특정 조명이 정답’이라고 단정하기보다 중요한 것은 얼굴 전체가 한 가지 색의 강한 조명에 물들지 않고, 노출이 지나치게 밝거나 어둡지 않으며, 반복 촬영에서도 비슷한 조건을 유지하는 것입니다.
4. 결과가 매번 다르면 어떻게 해야 하나
- 서로 다른 환경에서 나온 결과를 단순 다수결로 ‘정답’이라고 판단하지 않습니다.
- 필터·메이크업·강한 색조명을 제거하고 촬영 조건을 먼저 통일합니다.
- 같은 조건에서 2~3장의 사진으로 결과가 반복되는지 확인합니다.
- 그래도 봄↔가을 또는 여름↔겨울처럼 인접 유형 사이에서 흔들린다면 두 상세 가이드의 색을 직접 얼굴 가까이에 대어 비교하는 것이 더 유용합니다.
5. 왜 지금 ‘정확도 95%’ 같은 숫자를 쓰지 않는가
정확도 숫자를 의미 있게 제시하려면 학습에 사용하지 않은 별도 데이터, 신뢰할 수 있는 정답 라벨, 충분한 표본 수와 클래스별 분석이 필요합니다. 같은 데이터로 학습하고 같은 종류의 이미지로 평가하면 실제 사용자 환경보다 결과가 과도하게 좋아 보일 수 있습니다. Colorys는 이런 검증이 완료되기 전까지 임의의 정확도 수치를 마케팅 문구로 사용하지 않습니다.
향후 공개하고 싶은 지표
- 전체 정확도뿐 아니라 봄·여름·가을·겨울 클래스별 precision / recall
- 혼동행렬(confusion matrix)로 어떤 유형끼리 자주 헷갈리는지 확인
- 조명·기기별 성능 차이를 분리해 확인
- 모델 버전과 데이터 변경 시 평가 결과를 함께 기록
6. 피부색과 사진 색상에 대한 참고 자료
피부의 보이는 색은 멜라닌을 중심으로 여러 색소, 혈류, 피부 두께와 환경의 영향을 함께 받습니다. 연구에서는 피부색을 객관적으로 측정할 때 반사광과 CIELAB 같은 색 공간을 사용하는 컬러리미터·분광광도계 같은 장비를 활용합니다. 스마트폰 사진 기반 분류는 이런 장비 측정과는 다른 방식이므로 동일한 수준의 정밀도를 주장할 수 없습니다.