2026-07-25

배경 제거가 머리카락에서 틀어지는 이유와 다듬는 방법

인물 사진에서 자동 배경 제거를 돌리면 셔츠나 휴대폰 같은 물건의 윤곽선은 대개 깔끔하게 떨어집니다. 그런데 흩날리는 머리카락에 같은 도구를 돌리면 경계선이 거칠어지는 경우가 많습니다 — 개별 머리카락 대신 작은 계단 모양 블록들이 늘어선 모습이 됩니다. 특정 도구 하나만의 버그가 아닙니다. 실제로는 근본적으로 다른 두 문제가 있고, NearBG를 포함한 대부분의 배경 제거 도구는 둘 중 하나만 풀고 다른 하나는 풀지 않기 때문에 생기는, 예측 가능한 결과입니다. 이 글에서는 그 두 문제가 각각 무엇인지, 왜 하필 머리카락에서 그 차이가 드러나는지, NearBG의 모델은 그중 어느 쪽인지, 그리고 터치업 브러시로 무엇을 고칠 수 있고 무엇은 고칠 수 없는지를 정리합니다.

세그멘테이션과 매팅은 서로 다른 문제다

"배경을 제거한다"는 하나의 작업처럼 들리지만, 내부적으로는 보통 둘 중 하나입니다. 세그멘테이션은 모든 픽셀에 대해 예/아니오로 묻습니다 — 이 픽셀은 전경인가, 배경인가? 답은 사실상 이진값에 가까운 마스크입니다. 각 픽셀은 포함되거나 안 되거나 둘 중 하나입니다. 매팅은 질문 자체가 다릅니다 — 이 픽셀 중 몇 퍼센트가 전경에 속하는가? 답은 라벨이 아니라 0에서 1 사이의 연속적인 숫자입니다. 이건 사소한 구현 디테일이 아니라, 애초에 다른 상황을 위해 설계된 다른 종류의 출력입니다.

왜 하필 머리카락에서 이진 판정이 무너지는가

머리카락 한 올은 보통 사진의 정상 해상도에서 픽셀 하나보다도 가늡니다. 머리카락이 배경 앞을 지나가는 지점의 픽셀은 순수한 머리카락도, 순수한 배경도 아니라 두 색이 실제로 섞인 값입니다. 세그멘테이션 모델은 그 섞인 픽셀조차 둘 중 한 칸에 억지로 넣어야 합니다. 어느 쪽으로 넣든 그 픽셀의 실제 색 일부는 틀리게 됩니다. 이런 픽셀 하나는 눈에 안 띕니다. 하지만 머리 경계선을 이루는 수천 개의 픽셀 각각이 이런 이진 선택을 강요당하면, 실제 머리카락이 가진 부드럽고 반투명한 결 대신 눈에 띄게 각진 경계가 남습니다. 털, 레이스, 민들레 씨앗의 보송한 가장자리처럼 실제 경계선이 깔끔한 선이 아닌 곳이면 어디서나 같은 일이 일어납니다.

NearBG의 모델은 이 문제를 어떻게 다루는가

NearBG는 배경 제거에 세그멘테이션 모델인 U2Netp를 씁니다. 이 모델을 고른 이유는 모든 방문자의 브라우저 안에서 서버 없이 안정적으로 로드되고 실행된다는 점 때문이었습니다(이 별개의 트레이드오프는 이 블로그의 첫 글에서 다뤘습니다). 매팅 모델이 아니라 세그멘테이션 모델이라는 점도 바로 그 선택의 일부입니다 — 출력이 부드러운 알파 그라데이션이 아니라 위에서 설명한 것에 가까운, 사실상 이진에 가까운 마스크라는 뜻입니다. 머리카락 한 올 단위의 정교한 매팅은 현재 모델이 애초에 시도하는 영역이 아닙니다. 이건 발견되지 못한 빈틈이 아니라, 공개적으로 밝힌 제약입니다 — 그리고 "어디서나 작동한다"는, 애초에 이 모델을 고른 것과 같은 트레이드오프가 눈에 보이는 형태로 치르는 대가입니다.

터치업 브러시가 실제로 고쳐주는 것

자동 제거가 끝나면 결과물은 편집 가능한 캔버스 위에 올라가고, 브러시로 직접 손볼 수 있습니다 — 업로드 없이, 도구의 다른 모든 부분과 똑같은 제로 네트워크 원칙 그대로입니다. 이 브러시는 오직 지우기만 합니다 — 커서가 지나간 자리의 알파값을 지우고 나머지는 그대로 둡니다. 그래서 특정한 실제 문제들에는 잘 맞습니다 — 모델이 실수로 남긴 배경 조각, 피사체에서 떨어져 나온 자투리 파편, 전체적으로는 깔끔한 실루엣 중 지저분한 한 부분 같은 것들입니다. 반대로 픽셀을 되살려주지는 않습니다. 머리카락 몇 올이 이미 배경과 섞여 마스크에서 아예 빠져버렸다면, 그 자리에는 살릴 게 남아 있지 않기 때문에 아무리 브러시질을 해도 되돌아오지 않습니다 — 브러시는 뺄 수만 있을 뿐, 애초에 담기지 않았던 부분적인 디테일을 채워 넣지는 못합니다. 정리하다 잘못됐다면 리셋 버튼으로 손대지 않은 자동 결과로 되돌릴 수 있고, 브러시 크기도 조절할 수 있어 세밀하게 또는 크게 지울 수 있습니다.

업로드 전에 사진을 미리 읽는 법

실패 양상이 예측 가능하다는 건, 언제 그 양상이 나타날지도 어느 정도 예측할 수 있다는 뜻입니다. 흰 배경 위 제품 사진이나 어두운 벽 앞의 얼굴처럼, 경계가 선명하고 배경과 대비가 강한 피사체는 깔끔하게 분리됩니다 — 이진 판정을 강요당할 애매하게 섞인 색 영역 자체가 적기 때문입니다. 반대로 가늘고 흩날리는 머리카락, 나무 패널 벽 앞의 어두운 머리카락처럼 배경과 대비가 약한 경우, 흔들린 사진, 안경 렌즈나 얇은 천 같은 투명·반사 소재는 모델이 잘못 추측할 애매한 픽셀을 훨씬 많이 만들어냅니다. 그렇다고 이런 사진에서 도구가 아예 안 통한다는 뜻은 아닙니다 — 다만 경계가 거칠게 나올 것을 예상하고, 그 결과를 "뭔가 잘못됐다"고 여기기보다는 터치업 브러시로 다듬을 계획을 세워두면 됩니다.