[큰글자책] 인공지능과 사진

손, 장치, 알고리즘

01 프로그램
02 적대적생성신경망(GAN)
03 사진을 향하여
04 이미지 변환
05 스타일 합성
06 기타 생성 모델
07 가상 인간의 사진
08 생성 이미지는 사진일까?
09 인공지능과 창의성
10 생성 사진을 둘러싼 문제들

사진 이후 인공지능을 활용한 이미지 생성에서도 프로그램의 논리는 똑같이 작동한다. 알고리즘의 생성 이미지 역시 장치 프로그램의 산물이기 때문이다. 예컨대 생성형 인공지능은 원하는 조건에 부합하는 이미지를 자동으로 산출하도록 ‘예정된’ 프로그램이다. 실상 프로그램의 목적은 정보를 산출하는 데 있으며, 그것은 결국 인간의 의도에서 출발했다. 따라서 장치 프로그램이 생산한 정보는 포괄적인 의미에서 예측할 수 있다. 그것이 프로그램의 본래 의미다. 즉 프로그램의 모든 가능성은 인간의 ‘기획’ 속에 이미 예정돼 있다.

－01_“프로그램” 중에서

ProGAN의 성능은 IS(Inception Score) 수치에서도 확인된다. 실상 ProGAN이 생성한 이미지는 원본 사진과 구분이 어려울 정도로 놀라운 유사성을 보인다. 그런데 유사성은 사람의 ‘주관적’ 판단에 따르므로 생성 모델의 ‘성능’을 평가하는 객관적 척도가 될 수 없다. IS는 GAN의 성능을 ‘수학적으로’ 측정하기 위해 고안된 지표로, FID(Frechet Inception Distance)와 더불어 생성 이미지의 성능을 수학적으로 계산하는 가장 보편적인 측정 방법으로 쓰인다. 생성 이미지의 데이터 분포를 계산해 원본 이미지에 대한 충실도(fidelity)와 다양성(variety)을 평가하는 것이다. ProGAN이 학습한 또 다른 데이터셋은 Cifar10인데, 이 데이터셋은 각종 물건이나 동식물, 건물, 풍경 등을 촬영한 32×32비트 컬러사진 6만 장으로 구성돼 있다.

－03_“사진을 향하여” 중에서

마이 헤리티지(My Heritage)에서 개발한 딥 노스탤지어(Deep Nostalgia)는 ‘살아 움직이는 인물사진’을 제공하는 인공지능 알고리즘이다. 마이 헤리티지는 세계 각지에 흩어져 있는 가족이나 친인척 등을 찾아 주는 이스라엘의 인터넷 플랫폼으로, 오래된 기념사진이 주요 자료로 활용되고 나아가 DNA 검사 키트도 동원된다. 사용자가 여기에 사진을 업로드하면 마치 비디오 영상처럼 10∼20초 정도 인물에 동작을 부여해 준다. ‘살아 있는 사진’이 탄생하는 셈이다. 딥 노스탤지어는 바로 이 낡은 기념사진의 ‘죽은’ 이미지에 움직임을 부여함으로써 고인의 살아생전 모습을 회상할 수 있게 해 준다. 물론 이 움직임은 비디오로 촬영한 것이 아니기에 실제 현실은 아니다. 말하자면 사진 속 인물의 동작은 허구다.

－06_“기타 생성 모델” 중에서