AI 티 나는 그림은 이제 그만 — Krea 2가 '미감'을 훈련시킨 방법

‘AI스러움’이라는 고질병

AI로 이미지를 만들어 본 분이라면 한 번쯤 느꼈을 거예요. 뭔가 그림이 번들번들하고, 피부는 밀랍 인형 같고, 색은 과하게 쨍하고, 어딘가 인공적인 그 느낌이요. 이걸 흔히 ‘AI 룩(AI look)’이라고 불러요. Krea라는 회사가 내놓은 Krea 2 기술 보고서는 바로 이 문제를 정면으로 겨냥해요. 해상도 경쟁이 아니라, 어떻게 하면 AI 티가 안 나고 사람이 봐서 예쁜 이미지를 뽑을까 하는 미감(aesthetic)의 싸움을 건 거죠.

디퓨전 모델, 잠깐 짚고 갈게요

요즘 이미지 생성 AI는 대부분 디퓨전(diffusion) 모델이에요. 이게 뭐냐면, 처음에 TV 노이즈 같은 완전한 잡음에서 시작해서, 그 잡음을 조금씩 걷어내며 그림을 복원하듯 만들어내는 방식이에요. 모래폭풍 속에서 형체가 서서히 또렷해지는 장면을 떠올리면 돼요. 학습할 때는 반대로, 멀쩡한 사진에 노이즈를 점점 끼얹으면서 “이 단계의 노이즈를 어떻게 지우는지”를 배워요.

문제는 이 모델을 뭘로 학습시키느냐, 그리고 사람이 어떤 결과를 좋다고 알려주느냐에 따라 결과물의 분위기가 확 달라진다는 거예요. 많은 모델이 평가 점수를 잘 받으려고 선명하고 대비 강한 그림 쪽으로 쏠리는데, 그게 바로 그 인공적인 AI 룩의 원인 중 하나예요.

Krea 2의 접근: 점수가 아니라 취향을 학습

Krea 2 보고서의 핵심은 ‘취향(taste)’을 모델에 어떻게 새겨 넣었는가예요. 단순히 데이터를 많이 넣는 게 아니라, 어떤 이미지가 진짜로 매력적인지를 사람의 선호로 가르치는 데 공을 들였어요. 사람들이 두 이미지를 놓고 어느 쪽이 더 좋은지 고른 선호 데이터를 모아, 모델이 그 미감 쪽으로 기울도록 후처리(파인튜닝/선호 최적화)를 한 거죠. 이건 챗봇을 사람 입맛에 맞게 다듬는 RLHF와 결이 비슷한 발상이에요.

그 결과 Krea 2는 과포화된 색, 번들거리는 피부, 과한 보정 같은 전형적인 AI 흔적을 줄이고, 자연스러운 질감과 빛, 필름 사진 같은 분위기를 살리는 방향으로 튜닝됐다고 보고해요. 프롬프트(지시문)를 얼마나 충실히 따르는가, 즉 사용자가 원한 걸 정확히 그려주는 능력도 함께 끌어올렸고요. 한마디로 예쁘면서도 시킨 대로를 동시에 노린 거예요.

업계 맥락에서 보면

이미지 생성 쪽은 지금 춘추전국시대예요. Midjourney는 처음부터 ‘예쁜 그림’으로 사용자를 사로잡았고, Stability의 Stable Diffusion 계열은 오픈으로 풀려 생태계를 키웠고, OpenAI와 Google(Imagen) 같은 거대 기업도 뛰어들었죠. 이 판에서 Krea의 전략은 독특해요. 거대 기업처럼 모든 걸 다 하기보다, 미감과 실제 크리에이터의 작업 흐름이라는 좁고 뾰족한 지점을 파고들거든요.

흥미로운 건 평가 기준의 변화예요. 예전엔 해상도나 벤치마크 점수로 줄을 세웠다면, 이제는 “사람이 봐서 좋은가”라는 주관적이지만 진짜 중요한 기준으로 무게추가 옮겨가고 있어요. Krea 2는 그 흐름을 보여주는 한 신호예요.

한국 개발자·크리에이터에게

디자인이나 마케팅, 게임 에셋 작업에 AI 이미지를 쓰는 분들에겐 직접적인 의미가 있어요. 결국 현업에서 부딪히는 벽이 그 AI 티거든요. 클라이언트나 사용자가 한눈에 “이거 AI로 만든 거죠?”라고 알아채는 순간 신뢰가 깎이니까요. 미감을 의식적으로 튜닝한 모델이 늘어난다는 건 실무 활용도가 그만큼 올라간다는 뜻이에요.

엔지니어 입장에선 또 다른 배울 점이 있어요. 선호 데이터로 모델의 취향을 조정하는 기법은 이미지뿐 아니라 우리가 만드는 어떤 AI 제품에도 응용할 수 있거든요. 사용자가 무엇을 더 좋아하는지를 데이터로 모아 모델을 그쪽으로 기울이는 발상, 이건 챗봇이든 추천이든 어디든 통해요.