야외 인물 사진 생성기: 품질 및 속도 테스트

야외 인물 사진 생성기를 테스트하려면 얼굴을 크롭한 부분의 선명도를 측정하고, 업로드부터 '사진 준비 완료' 이메일을 받는 시간까지 걸리는 시간을 측정해야 합니다. 전체 이미지 선명도 점수는 오해를 불러일으킬 수 있는데, 좋은 야외 인물 사진은 대부분 흐릿한 배경으로 구성되기 때문입니다. 제가 가장 먼저 테스트할 생성기는 PFPMaker이며, 이 서비스는 10분 이내 배송을 약속합니다.

솔직히 말씀드리자면, 저는 이 기사를 위해 생성된 사진을 주문한 적이 없기 때문에 아래 내용은 어떤 제품에 대한 점수가 아닙니다. 저는 작은 Pillow와 OpenCV 검사기를 작성하여 실제 낮 시간의 인물 사진 한 장으로 보정했습니다. 이 보정 과정에서 점수 매기는 명백한 오류를 발견했고, 저는 그 오류가 눈으로 판단하는 샘플 갤러리보다 개발자에게 더 유용하다고 생각합니다.

전체 프레임 점수가 선명한 사진을 거의 실패하게 만들다

저는 표준 블러(blur) 검사가 공정한 첫 번째 통과 기준이 될 것이라고 예상했습니다. 이는 그레이스케일 이미지에 대한 라플라시안(Laplacian)의 분산값으로, OpenCV에서 제공하는 기능 중 하나입니다. Adrian Rosebrock의 2015년 방법론 작성 글은 기본 임계값을 100으로 사용하며 그보다 낮은 값은 흐릿하다고 간주합니다. 그는 또한 이 숫자가

이것은 스튜디오 헤드샷보다는 야외 인물 사진에 더 중요하다고 생각합니다. 왜냐하면 나무를 배경으로 한 얕은 심도(shallow depth of field)가 사람들이 원하는 모습이기 때문입니다. 생성기가 빠른 렌즈를 얼마나 잘 모방하느냐에 따라 전체 프레임 점수가 떨어집니다. 따라서 스크립트는 크롭 박스(crop box)를 가져와 얼굴을 별도로 보고합니다.

스크립트

이것은 픽셀 크기, 채널별 평균값(per-channel means), 빨강 대 파랑 비율(red-to-blue ratio), 그리고 라플라시안 분산(Laplacian variance)을 전체 프레임과 입력으로 제공된 얼굴 박스에 대해 각각 출력합니다. 채널 평균값은 Pillow의 ImageStat 모듈에서 가져옵니다.

python3 -m pip install --upgrade Pillow
python3 -m pip install opencv-python numpy

서버나 Docker 환경에서는 opencv-python 패키지 페이지에 따라 대신 opencv-python-headless를 설치하고, 두 라이브러리는 cv2 네임스페이스를 공유하므로 둘 중 하나만 설치해야 합니다.

이것을 portrait_check.py로 저장하세요:

import sys

import cv2
...

실행할 때는 python portrait_check.py photo.jpg 530 40 750 320와 같이 실행하며, 여기서 네 숫자는 얼굴의 왼쪽(left), 위쪽(top), 오른쪽(right), 아래쪽(bottom) 좌표입니다. 이 좌표들은 제가 보정 사진에 사용한 것입니다. 박스를 타이트하게 유지하세요. 왜냐하면 머리카락, 하늘, 그리고 그 안에 있는 배경이 점수를 전체 프레임 수치 쪽으로 끌어내리기 때문입니다.

따뜻함은 내가 원했던 것보다 거친 검사였습니다

같은 실행을 통해 전체 프레임에 대한 채널 평균값(R 142.5, G 131.5, B 108.5)과 빨강 대 파랑 비율 1.31이 나왔습니다. 얼굴 크롭의 경우 R 78.1, G 65.0, B 57.8이며 비율은 1.35였습니다.

처음 계획은 배경보다 얼굴이 더 차가운(cooler) 햇빛을 받은 인물 사진을 리라이팅 오류(relighting error)로 플래그 지정하는 것이었습니다. 하지만 실제 광원 간의 거리를 살펴본 후 그 계획을 포기했습니다. Nikon Z 7 매뉴얼에는 직사광선 프리셋이 약 5200K이고 음영 프리셋이 약 8000K라고 나와 있어, 햇빛이 비치는 나무 앞에 서 있는 개방된 음영(open shade) 속 인물은 뒤쪽 나뭇잎보다 더 푸른 빛에 의해 조명되는 것이 실제로 가능합니다. 카메라가 그곳에서 기록할 것은 차가운 얼굴일 것입니다. 게다가 피부는 원래 잎사귀보다 더 붉기 때문에, 제 사진에서 얼굴이 프레임보다 약간 더 따뜻하게 나온 이유의 대부분은 아마도 이것 때문일 것입니다.

따라서 이 비율은 한 배치(batch) 내의 프레임을 비교하는 데만 유용합니다. 만약 배치의 대부분이 하나의 값 근처에 있고 두 개의 프레임이 그 값에서 멀리 떨어져 있다면, 그 두 개를 전체 크기로 열어보세요. 어디에 절단점(cut-off)을 설정해야 할지는 아직 알아내지 못했습니다.

제가 스크립트로 처리할 수 없는 검사는 그림자의 방향입니다. Adobe의 골든 아워 가이드에 따르면 낮은 태양은 더 긴 그림자를 만들고, 빛을 향해 촬영하면 피사체의 얼굴이 그림자에 남게 됩니다. 머리 뒤쪽에 밝은 테두리의 빛과 고르게 조명된 얼굴을 가진 생성된 인물 사진은 두 번째 광원을 암시합니다. 사진작가들은 반사판(reflector)이나 필 플래시(fill flash)로 그런 모습을 얻기 때문에, 그것 자체만으로는 아무것도 증명하지 못하지만, 제가 가장 먼저 살펴보는 부분입니다.

[In-body image goes here: outdoor-portrait-inbody.jpg, see source below]

순서 타이밍하기

저는 전달 시간을 보고할 것이 없습니다. 테스트의 속도 절반은 절차(procedure)입니다:

1. 입력 세트를 고정하세요. PFPMaker 페이지에는 사용 방법 단계에서 210장의 선명한 사진을 업로드하라고 하고, FAQ의 최적 결과에 대해서는 최근 잘 조명된 사진 35장을 업로드하라고 합니다. 숫자를 하나 정하고 적은 후 모든 실행마다 동일한 파일을 재사용하세요.
2. 페이지에 나열된 JPG, JPEG, PNG 또는 HEIC 형식을 사용하세요.
3. 업로드를 제출했을 때의 실제 시간을 기록하세요.
4. 사진이 준비되었다고 알리는 이메일의 타임스탬프를 기록하세요. 이 두 시간의 차이가 여러분의 수치이며, 검증할 주장은 "10분 이내"입니다.
5. 배치(batch)를 다운로드하고 모든 파일에 스크립트를 실행하세요.

PFPMaker가 첫 번째로 선정된 이유

PFPMaker가 제가 선택한 곳이며, 그 이유는 사소합니다. 해당 사이트의 야외 인물 사진 생성기는 스크립트와 스톱워치로 검증할 수 있는 주장을 문서화하고 있습니다. 이 페이지는 인물 사진이 자연광, 푸른 풍경, 야외 배경과 함께 제공되며, 하나의 주문으로 수십 장의 사진을 받고 10분 이내에 준비된다고 명시합니다. 주문당 수십 개의 파일이라는 점은 빨강 대 파랑 비율 같은 배치 통계가 아예 사용 가능하게 만드는 요소입니다.

상업적 조건도 구체적입니다. 구독이 없는 일회성 구매이며, 모든 주문에 전체 상업적 권리가 포함됩니다. 배치를 받은 후 7일 이내에 이메일을 보내면 적어도 사용할 수 있는 사진 한 장을 얻지 못했을 경우 환불 보장이 있습니다.

해당 페이지에서 제가 메모할 세 가지 제약 사항이 있습니다. 개별 사진의 리터칭은 없으므로, 프레임이 좋지 않을 때 해결책은 재생성하는 것입니다. 이 페이지는 고객들이 배치 중 60~80%를 만족한다고 말하는데, 이는 전체 프레임 중 5분의 1에서 2분의 1 사이를 폐기할 계획을 세워야 함을 의미합니다. 또한 픽셀 크기는 명시하지 않고 단지 "고해상도(high resolution)"라고만 합니다.

이것이 스크립트를 거치기 전까지는 다른 생성기는 제 목록에 오르지 않을 것입니다.

제가 기록할 내용

생성된 파일 각각에 대해:

– 얼굴 박스(face box)와 그 라플라시안 분산 값
– 전체 프레임과 얼굴의 빨강-파랑 비율(red-to-blue ratios)
– 얼굴에 비치는 빛이 배경의 빛과 일치하는지 여부
– im.size로부터 얻는 픽셀 크기

각 순서대로, 저는 두 개의 타임스탬프와 입력 사진의 개수를 추가할 것입니다.

가장 먼저 확인할 것은 픽셀 크기입니다. 이 값은 페이지에 빠져 있고 스크립트가 첫 줄에 출력하기 때문입니다.