이미지를 AI 프롬프트로 바꾸는 법: 원본 재현 정확도를 높이는 방법

이미지 역추적은 그럴듯한 형용사를 늘리는 작업이 아니다. 구도와 빛, 카메라, 색, 시선의 흐름을 이미지 모델이 실행할 수 있는 지시로 바꾸는 일이다.

이미지를 AI에 올리면 몇 초 안에 프롬프트를 받을 수 있다. 하지만 그 문장으로 이미지를 다시 만들면 원본과 분위기만 비슷하고 구도나 세부는 크게 달라지는 경우가 많다.

일반적인 이미지 설명은 “무엇이 보이는가”에 답한다. 재현에 필요한 질문은 “왜 이 화면이 지금처럼 보이는가”다. 거리 사진 속 사람과 자동차, 건물을 정확히 찾아도 충분하지 않다. 인물이 오른쪽으로 치우친 위치, 낮은 카메라가 만든 원근, 흐린 날의 평평한 빛, 무채색 배경에서 유일하게 강한 빨간 코트가 실제 인상을 결정할 수 있다.

‘아름답다’는 평가지, 생성 지시가 아니다

이미지 미학 연구는 흐림이나 압축 노이즈 같은 기술적 품질과 구성, 색, 내용에 관한 미적 평가를 구분한다. Google Research의 NIMA는 사진을 좋음과 나쁨으로만 나누지 않고 사람이 매긴 점수의 분포를 예측했다. 시각적 취향에 단일한 정답이 없기 때문이다. Google Research: NIMA

재현 관점에서 이미지는 네 층으로 읽을 수 있다.

첫째는 내용이다. 피사체, 동작, 표정, 의상, 사물과 그 관계가 여기에 들어간다. 빨간 코트를 찾는 데서 끝나지 않고, 저채도 배경 속 유일한 고채도 초점으로 작동한다는 점까지 읽어야 한다.

둘째는 공간 구조다. 피사체의 위치와 크기, 전경·중경·배경, 여백, 가림, 촬영 각도와 원근을 살핀다. 광각의 거리 과장이나 망원의 공간 압축은 관찰자와 피사체의 관계를 바꾼다.

셋째는 광학 정보다. 광원의 방향과 강도, 노출, 그림자, 심도, 색온도, 재질 반사를 기록한다. “부드러운 영화 조명”보다 “왼쪽 창의 확산광이 얼굴 오른편에 옅은 그림자를 만든다”가 실행 가능한 지시다.

마지막은 스타일과 정서다. 사진, 일러스트, 3D, 유화는 매체이고 패션 화보, 다큐멘터리, 광고, 스마트폰 스냅은 서로 다른 시각 관습이다. 약간 기울어진 프레임, 피부결, 움직임의 흔들림처럼 완벽하지 않은 요소가 원본의 정체성을 만들기도 한다.

2022년 IEEE Transactions on Image Processing에 실린 연구 역시 의미 내용, 예술적 스타일, 구도를 이미지 미학 평가의 핵심 요소로 다뤘다. Composition and Style Attributes Guided Image Aesthetic Assessment 결국 중요한 것은 세부의 개수가 아니라 정보의 위계다. 무엇이 먼저 보이고, 무엇이 초점을 돕고, 무엇이 뒤로 물러나는지가 화면을 만든다.

프롬프트 역추적은 원래 문장을 맞히는 일이 아니다

한 이미지에 대응하는 프롬프트는 하나가 아니다. 원문을 알아도 모델 버전과 시드, 생성 설정이 달라지면 결과는 바뀐다.

CVPR 2024의 Prompt Inversion 연구는 이 과정을 방대한 이산 프롬프트 공간에서 해석 가능한 표현을 찾는 문제로 설명한다. 목표는 제작자가 입력한 문장을 복원하는 것이 아니라 대상 이미지를 다시 만드는 데 쓸 수 있는 지시를 얻는 것이다. Prompting Hard or Hardly Prompting

먼저 피사체의 위치, 행동, 의상과 주변 사물처럼 눈으로 확인되는 사실을 적는다. ‘고급스러운’, ‘몽환적인’ 같은 평가는 미루고, 근거가 약한 장소나 인물 정체, 카메라 기종은 단정하지 않는다.

다음으로 피사체의 위치, 몸과 시선의 방향, 전경부터 배경까지의 겹침, 여백과 렌즈 원근을 정리한다. 그 후 주광의 위치, 피사체와 배경의 밝기 차이, 그림자, 팔레트, 반사와 재질을 기술한다. 감정도 빈 공간, 인물의 방향, 차가운 색, 낮은 조도처럼 화면 안의 근거와 연결한다.

분석 결과는 ‘반드시 유지’, ‘변경 가능’, ‘피해야 할 항목’으로 나누는 편이 좋다. 예를 들어 중앙 구도나 과도한 피부 보정처럼 자주 생기는 오류는 명시적으로 제한한다.

흐린 날 거리에서 낮은 위치로 촬영한 미디엄 숏. 빨간 롱코트를 입은 여성을 화면 오른쪽 삼분할선에 두고 몸은 거리를 향한 채 카메라를 돌아보게 한다. 왼쪽에는 넓은 환경 여백을 남긴다. 배경은 저채도 블루그레이이며 코트만 선명한 색으로 유지한다. 젖은 노면에는 뒤쪽 가게의 따뜻한 빛이 희미하게 반사된다. 중앙 구도, 강한 햇빛, 붐비는 배경은 피한다.

모든 사물을 나열할 필요는 없다. 피사체와 구도, 색의 관계를 먼저 잠그고 카메라와 빛, 제한 조건을 덧붙이는 편이 효과적이다.

JSON과 자연어의 차이는 생각보다 작다

JSON을 이미지 모델에 더 잘 통하는 고급 언어처럼 소개하는 경우가 있다. 반대로 괄호와 필드명이 토큰만 낭비한다고 보는 주장도 있다. 양쪽 모두 형식의 중요성을 과장한다.

JSON의 장점은 분석 결과를 수정 가능한 사양서로 만든다는 점이다. 피사체, 포즈, 구도, 렌즈, 조명, 색, 제한 조건을 따로 확인하고 빠진 항목을 찾거나 한 변수만 바꾸기 쉽다.

자연어는 형식 비용이 적고 대부분의 모델 공식 예시와 가깝다. 다만 구조화된 분석 없이 작성하면 피사체와 분위기만 남고 공간, 광원, 제한 조건을 놓치기 쉽다.

같은 시각 정보와 우선순위를 담았다면 두 형식에 본질적인 차이는 없다. 자세한 JSON이 모호한 한 문장보다 좋은 결과를 내는 이유는 중괄호 때문이 아니라 이미지가 만들어진 조건을 더 많이 보존하기 때문이다.

줄여야 할 것은 반복, 근거 없는 추정, 서로 충돌하는 지시다. 길이를 줄이려고 구도와 조명, 재질까지 삭제해서는 안 된다. 실무에서는 분석을 구조화 데이터로 저장한 뒤 사용할 모델에 맞는 자연어로 정리하는 방식이 편하다. Promptsref Image to Prompt는 같은 분석에서 JSON과 자연어 버전을 함께 제공한다.

마지막 차이는 모델 선택에서 생긴다

2026년 8월 기준으로 세 모델군의 성격은 분명히 다르다.

Midjourney 공식 문서는 Image Prompt를 내용, 구도, 색에 영향을 주는 참조로 설명하며 정확한 복사가 아니라 새로운 이미지의 영감으로 사용한다고 밝힌다. Midjourney Image Prompts Describe도 업로드 이미지를 정확히 복제하는 기능이 아니라 창작용 문구를 제안하는 도구다. Midjourney Describe

GPT Image 2는 이미지와 텍스트를 함께 받아 생성과 편집을 수행한다. OpenAI 문서에 따르면 참조 이미지 및 편집 워크플로에서 모든 이미지 입력을 고충실도로 처리한다. OpenAI: Image input fidelity 참조 이미지가 형태와 질감을 전달하고, 프롬프트가 유지할 항목과 변경할 항목을 지정하기 때문에 텍스트만 사용하는 것보다 재현에 유리하다.

Nano Banana 계열은 여러 참조 이미지를 결합하거나 대화로 계속 수정할 때 강점이 있다. Google은 이를 텍스트와 이미지로 생성, 편집, 반복할 수 있는 네이티브 멀티모달 이미지 기능으로 설명한다. Nano Banana 2는 다중 참조와 일관성에, Nano Banana Pro는 복잡한 지시와 정밀 제어에 초점을 둔다. Google: Nano Banana 이미지 생성

Midjourney가 “이 이미지가 다른 방향으로 어떻게 발전할 수 있는가”에 강하다면, GPT Image 2와 Nano Banana는 “참조와의 차이를 어떻게 줄일 것인가”에 더 적합하다.

정확도는 첫 프롬프트보다 피드백에서 결정된다

첫 생성부터 가장 가까운 결과가 나오지는 않는다. 생성 결과와 원본을 나란히 놓고 먼저 피사체와 구도, 다음으로 카메라와 조명, 마지막으로 재질과 세부를 비교해야 한다. 매번 전체 문장을 바꾸기보다 가장 큰 차이 한두 개를 수정해야 무엇이 효과가 있었는지 알 수 있다.

텍스트는 이미지의 시각 논리를 상당 부분 되살릴 수 있지만 모든 픽셀을 저장할 수는 없다. 높은 재현성은 완벽한 한 문장을 찾는 데서 나오지 않는다. 참조 이미지, 구조화된 분석, 반복 생성을 하나의 작업 흐름으로 묶을 때 얻을 수 있다.