서울대 연구진, AI 기반 애니메이션 얼굴 채색 기술 ‘SSIMBaD’ 개발

서울대 연구팀이 개발한 SSIMBaD는 애니메이션 얼굴 스케치의 자동 채색을 위한 혁신적인 AI 기술로, 기존 기술의 한계를 극복하고 뛰어난 성능과 일반화 능력을 보여줍니다. SSIM 기반 시그마 스케일링 기법을 통해 지각적 일관성을 높였으며, Github에 공개된 코드를 통해 더욱 활발한 연구 발전이 기대됩니다.

선명한 색감과 디테일을 유지하는 혁신적인 AI 기술

서울대학교 컴퓨터공학과 서준표, 구한빈, 육지은, 문병로 교수 연구팀이 애니메이션 얼굴 스케치의 자동 채색을 위한 획기적인 인공지능 기술인 SSIMBaD (Sigma Scaling with SSIM-Guided Balanced Diffusion) 를 개발했습니다. 이 기술은 단순히 색을 입히는 것을 넘어, 원본 스케치의 구조적 정확성을 유지하면서 참조 이미지의 스타일을 효과적으로 전달하는 능력을 자랑합니다.

기존의 채색 기술들은 미리 정의된 노이즈 스케줄에 의존하는 경우가 많아 지각적 일관성이 떨어지는 문제점을 가지고 있었습니다. 하지만 SSIMBaD는 연속 시간 확산 모델을 기반으로 하며, SSIM(구조적 유사성 지수) 을 활용한 독창적인 시그마 스케일링 기법을 도입하여 이러한 문제를 해결했습니다.

SSIMBaD의 핵심은 시그마 공간 변환을 통해 SSIM으로 측정된 지각적 저하를 선형적으로 정렬하는 것입니다. 이를 통해 모든 시간 단계에서 시각적 난이도를 균일하게 유지하여, 더욱 균형 있고 정확한 재구성을 가능하게 합니다. 마치 마법처럼, 스케치의 디테일은 살리고, 풍부한 색감은 더해지는 것입니다.

대규모 애니메이션 얼굴 데이터셋을 사용한 실험 결과, SSIMBaD는 픽셀 정확도와 지각적 품질 모두에서 기존 최첨단 모델들을 뛰어넘는 성능을 보였습니다. 더욱 놀라운 것은 다양한 스타일의 애니메이션 얼굴 스케치에도 효과적으로 적용될 수 있다는 점입니다. 이제 단순한 스케치가 생동감 넘치는 컬러 이미지로 변신하는 것은 시간 문제가 아닙니다.

연구팀은 SSIMBaD의 코드를 Github (github.com/Giventicket/SSIMBaD-Sigma-Scaling-with-SSIM-Guided-Balanced-Diffusion-for-AnimeFace-Colorization)에 공개하여, 다른 연구자들이 이 기술을 활용하고 발전시킬 수 있도록 지원하고 있습니다. 이는 AI 기반 이미지 처리 기술의 발전에 크게 기여할 것으로 예상됩니다. 앞으로 SSIMBaD가 애니메이션 제작 분야뿐만 아니라, 다양한 이미지 처리 분야에서 혁신적인 변화를 가져올지 기대됩니다.