분석 결과를 읽는 법
사진 편집 분석은 편집 앱의 실제 기록을 복원하지 않습니다. 대신 두 이미지의 보이는 관계를 바탕으로 밝아졌는지, 따뜻해졌는지, 대비가 강해졌는지, 채도가 올라갔는지 추정합니다. 결과는 방향, 범위, 신뢰도로 표시되므로 수동 보정이나 스타일 재현의 출발점으로 사용할 수 있습니다.
편집된 사진 분석에서 가장 중요한 것은 신뢰도입니다. 구도 차이, 피사체 이동, 강한 노이즈, 클리핑, 로컬 마스크가 있으면 추정이 약해질 수 있습니다. 이런 경우 잔차 맵을 먼저 확인해야 합니다.
사진 색 보정과 색상 매칭
사진 색 보정은 피부, 하늘, 그림자, 중간 회색, 채도가 높은 물체처럼 다양한 색 정보가 있을 때 더 안정적으로 읽힙니다. 사진 색상 매칭을 할 때도 참조 이미지의 색 범위가 좁으면 LUT가 과하게 움직일 수 있습니다.
색상 차이 맵은 채도, 온도, 틴트 이동을 보여 주고, 밝기 맵은 노출과 대비 변화를 확인하는 데 도움을 줍니다. 전역 모델로 설명되지 않는 부분은 잔차 맵에 남기 때문에 로컬 보정과 전체 보정을 구분할 수 있습니다.
LUT 생성과 대상 이미지 적용
분석 후에는 3D LUT를 만들고 크기와 스무딩을 선택할 수 있습니다. 생성된 LUT는 대상 이미지에 브라우저 안에서 적용되며, 전체 해상도 PNG 또는 미리보기 PNG로 내보낼 수 있습니다.
LUT는 색과 톤의 근사치입니다. 사진 편집 분석의 품질 점수, 커버리지, 재구성 오류를 확인한 뒤 사용해야 합니다. 복잡한 로컬 편집이 많은 경우에는 강도를 낮춰 적용하는 편이 자연스럽습니다.
색 맞춤과 룩 적용
색 맞춤은 두 이미지에 피부, 하늘, 그림자, 중립색, 채도가 높은 색이 함께 있을 때 더 안정적입니다. 이런 기준점은 노출 변화와 실제 색 변화의 차이를 구분하는 데 도움이 됩니다.
참조 이미지의 색 범위가 좁거나 하이라이트가 잘려 있으면 추정이 제한됩니다. 다른 이미지에 룩을 적용하기 전에 신뢰도와 진단 맵을 확인하세요.
LUT 생성과 로컬 적용
3D LUT 생성기는 전/후 이미지 쌍에서 실용적인 시작점을 만듭니다. 17³, 33³, 65³ 크기와 smoothing을 선택하고 유효한 .cube 파일을 내보낼 수 있습니다.
LUT는 비슷한 룩을 적용하기 위한 것이며 편집 앱의 정확한 값을 복구하지 않습니다. 먼저 대상 이미지에서 테스트하고, 효과가 강하면 강도를 낮추세요.
결과를 믿기 전 진단 맵 확인
밝기, 색, 선명도, 잔차 맵은 전역 모델이 설명하는 부분과 그렇지 못한 부분을 보여줍니다. 좋은 결과는 주요 변화를 설명하면서 예외도 드러냅니다.
하늘, 반사, 피부, 가장자리에서 잔차가 크면 로컬 편집, 압축, 크롭 차이 또는 정렬 문제가 있을 수 있습니다. 이때 레시피는 부분 설명으로 읽어야 합니다.
이 흐름이 답하는 질문
이 흐름은 사진이 더 밝아졌는지, 따뜻해졌는지, 대비나 채도가 올라갔는지 판단하는 데 도움을 줍니다. 프리셋 테스트, 리터칭 검수, 제품 이미지 비교에도 유용합니다.
최종 JPEG만 있을 때도 추정 편집 설정은 수동으로 룩을 재현하고 변경점을 더 명확히 설명하는 기준이 됩니다.
실제 편집 판단에 맞는 경우
같은 장면과 비슷한 구도의 이미지 쌍에서 가장 잘 작동합니다. 원본과 편집본, 프리셋 테스트, 컬러 보정, 제품 이미지 변형이 좋은 예입니다.
생성형 변화, 제거된 물체, 새 배경, 다른 조명에서는 약해집니다. 그런 경우 신뢰도, 맵, 대상 이미지 LUT 테스트를 함께 확인하세요.