De-AI Grading Note

... 색은 그 사이에 있다.

De-AI Grading Note

AI 그리고 빛
AI 생성 영상이 지닌 낯섦을 세 범주로 진단하고, 다빈치 리졸브 안에서 빛의 질서를 다시 세우는 그레이딩 연구.
CUViSM v1.0(2027)을 향한 개발 기록.

luxnflux.com — AI 영상의 낯섦을 먼저 진단하고 빛을 다시 세운다

프레임 사이 결함 진단
얼굴과 눈의 오류 진단
빛과 질감 오류 진단
물리 기반 그레인 적용
리졸브 도구와 분업

De-AI Grading은 다빈치 리졸브(DaVinci Resolve) 안에서 AI가 만든 영상의 낯섦을 진단하고, 사람 손으로 빛의 질서를 다시 세우는 그레이딩 연구다. 이 글에서 ‘빛’은 화면에 그려진 빛, 곧 그림자와 반사, 피부 밝기의 배치를 뜻한다. AI로 색을 보정하는 솔루션 CUViSM의 핵심 축 가운데 하나다. CUViSM은 개발 중이며 v1.0을 2027년 1월 1일에 내는 것을 목표로 한다. 이 노트는 그 과정에서 정리한 진단과 도구, 관점을 기록한다.

AI가 만든 영상의 낯섦은 한 가지 원인에서 오지 않는다. 이 연구는 그 증상을 세 범주로 나눈다. 첫째는 깜빡임이나 모션 드리프트처럼 프레임과 프레임 사이에서 형태가 조금씩 밀리는 시간·연속성 결함이다. 둘째는 미세한 표정이 없거나 시선에 초점이 없는 ‘죽은 눈’ 같은 해부학적 오류다. 셋째는 렌더링·광학 오류다. 표면의 결이 녹듯 뭉개지는 텍스처 멜팅, 플라스틱처럼 보이는 피부, 반사광과 보케(초점 밖의 흐림)의 오차가 여기에 든다. 세 범주는 생기는 층위가 다르다. 그래서 어느 범주인지 가리는 일이 작업의 첫 단계가 된다.

“AI가 만든 화면 앞의 낯섦을 막연한 거부감으로 넘기지 않는다. 그 느낌은 대개 셀 수 있는 결함에서 온다. 프레임 사이에서 조금씩 흘러내리는 형태, 미세한 표정이 빠진 얼굴, 플라스틱처럼 보이는 피부. 무엇이 어긋났는지 먼저 이름을 붙여야 어떤 도구를 꺼낼지 정할 수 있다. 생성된 영상에는 되찾을 원본이 없다. 그래서 이 연구는 결함을 가리는 대신 진단하고, 화면 안에 빛이 놓이는 질서를 사람 손으로 다시 세운다. 어느 증상에 어느 도구를 쓸지, 그 판단은 사람이 내린다.”

LUX & Flux
De-AI Grading 연구 노트

진단에서 도구로

De-AI Grading의 원칙은 진단이 도구를 정한다는 데 있다. 증상의 범주가 다르면 손을 대야 할 자리도 다르기 때문이다. DCTL은 리졸브 안에서 한 프레임의 픽셀 값을 바꾸는 작은 프로그램이다. 그래서 한 프레임만 보고 정의할 수 있는 문제에서 역할을 한다. 텍스처 멜팅에는 물리 기반 그레인을 얹고, 피부톤 대역(피부색이 놓이는 값의 범위) 일부를 바로잡는다. 그러나 깜빡임과 모션 드리프트, 얼굴의 미세한 움직임은 프레임 사이의 문제라 한 프레임의 계산으로는 닿지 않는다. 반사광과 보케의 오차는 한 프레임 안에 있지만 픽셀 값을 바꾸는 것만으로는 다루기 어렵다. DCTL은 이 기술의 일부일 뿐 전부가 아니다.

리졸브 안의 분업

DCTL이 닿지 않는 자리는 다빈치 리졸브에 들어 있는 도구와 함께 다룬다. 퓨전(Fusion), 뉴럴 엔진(Neural Engine), 페이스 리파인먼트(Face Refinement), 릴라이트(Relight)가 그 예다. 어느 증상에 어느 도구를 잇는지는 앞선 진단의 결과가 정한다. 같은 증상이라도 어느 층위에서 생겼는지에 따라 꺼내는 도구가 달라진다. 그래서 이 노트가 적으려는 것은 기능의 목록보다 판단의 순서에 가깝다. 무엇을 먼저 보는가. 어디까지를 한 프레임의 문제로 다루는가. 어디서부터 다른 도구에 맡기는가. 이 세 물음이 작업 전체의 뼈대를 이룬다.

원본 없는 복제

AI가 만든 영상의 낯섦은 결함의 목록만으로 다 설명되지 않는다. 장 보드리야르(Jean Baudrillard)는 원본 없이 복제로만 있는 이미지를 시뮬라크르(simulacre)라 불렀다. 이 연구는 AI 영상 앞에서 느끼는 낯섦을, 그 원본 없음을 몸이 먼저 알아차리는 하나의 증상으로 읽는다. 촬영한 영상에서는 빛이 실제 공간에서 사물에 닿고 되돌아와 렌즈에 들어온 뒤 화면의 밝기가 되었다고 생각해 볼 수 있다. 생성한 영상에는 그런 한 번의 사건이 없다. 수많은 촬영 영상에서 배운 흔한 값이 결과로만 놓여 있다. 이렇게 보면 De-AI Grading은 결함을 가리는 보정에 그치지 않는다. 원본 없는 이미지 안에 빛이 놓이는 질서를 사람이 세우는 일이라 할 수 있다. 그 자리에서 사람은 생성된 픽셀을 받아 쓰는 소비자에서, 빛을 판단하고 빚는 사람으로 돌아간다. 원본이 없으니 세울 것만 있다.