오픈 소스 오래된 사진 복원 AI는 하나의 마법 모델보다 확인 가능한 단계로 구성할 때 안전합니다. 좋은 스캔에서 시작해 손상을 고치고 얼굴은 보수적으로 복원한 뒤 마지막에 확대하세요.
이 글은 GitHub 프로젝트를 역할별로 비교하고, 모델을 받기 전 확인할 항목과 온라인 도구가 더 실용적인 경우를 설명합니다.
목차
오픈 소스 오래된 사진 복원 AI의 작업 흐름
오픈 소스 사진 복원은 여러 단계의 조합입니다. 준비, 손상 복구, 얼굴 개선, 업스케일, 선택적 색상화를 분리하면 중간 결과를 저장할 수 있습니다. 얼굴이나 배경이 달라졌을 때 이전 파일로 돌아갈 수 있어 원본의 특징을 지키기 쉽습니다.
첫 테스트는 복사본을 중간 해상도로 사용하세요. 원본 스캔, 정리본, 얼굴 복원본, 최종 파일을 별도 폴더에 보관하면 GitHub나 Hugging Face 모델 결과를 실제 원본과 비교하기 쉽습니다.
- 입력 준비: 스캔을 자르고, 회전 보정하고, 빈 스캐너 테두리를 제거한 뒤 손실 없는 원본 복사본을 보관합니다.
- 스캔 정리: 생성 복구 전에 노출, 바랜 대비, 누렇게 변한 색, 강한 색 번짐을 보정합니다.
- 손상 복원: 오래된 사진 복원 노드나 마스크 기반 인페인팅으로 스크래치, 균열, 얼룩, 찢어진 모서리, 종이 손상을 복구합니다.
- 얼굴 복원: GFPGAN, CodeFormer 또는 다른 얼굴 복원 노드를 낮거나 중간 강도로 사용해 인물이 알아볼 수 있게 유지합니다.
- 업스케일: 주요 정리 후 ESRGAN, SUPIR, 타일 업스케일 또는 다른 업스케일러를 사용해 스크래치와 먼지를 키우지 않도록 합니다.
- 선택적 컬러화: 복원된 흑백 버전을 저장한 뒤 DDColor 또는 컬러화 워크플로우를 사용합니다.
- 최종 검토: 원본과 100퍼센트 확대 상태로 비교하고, 정체성, 나이, 의상, 중요한 배경 세부 정보가 바뀐 결과는 제외합니다.
인물 사진은 썸네일만 보고 판단하지 마세요. 작게 보면 좋아 보이는 얼굴도 실제 크기에서는 눈, 입, 나이감이 달라져 있을 수 있습니다.
비교할 만한 오픈 소스 프로젝트
모든 사진에 가장 좋은 모델은 없습니다. 보이는 손상, 라이선스, 하드웨어, 유지 관리 상태를 확인해 선택하세요. 아래 표는 시작점이며 모든 가족 사진에 같은 결과를 보장하지 않습니다.
| 프로젝트 | 역할 | 도움이 되는 점 | 사용 전 확인 |
|---|---|---|---|
| Bringing Old Photos Back to Life | 전체 손상 복원 | 스크래치, 얼룩, 색 바램, 누락 영역을 다루는 연구 흐름입니다. | README와 모델·GPU 요구 사항을 확인합니다. |
| CodeFormer | 보수적인 얼굴 복원 | 얼굴 구조가 일부 남은 흐릿한 사진에 유용합니다. | 강도를 낮추고 눈, 입, 나이를 비교합니다. |
| GFPGAN | 얼굴 세부 복구 | 큰 복원 흐름의 한 단계로 얼굴 가독성을 높입니다. | 강하게 적용하면 인물이 달라질 수 있습니다. |
| Real-ESRGAN | 복원 후 확대 | 손상을 고친 뒤 큰 작업 파일을 만듭니다. | 먼저 확대하면 먼지와 균열도 커집니다. |
공개 프로젝트를 모듈처럼 사용하고 설명·비교·재현 가능한 결과를 목표로 하세요.
여러 모델을 연결해도 추정된 세부가 역사적 사실이 되지는 않습니다. AI가 원본에 없던 눈, 옷의 질감, 배경을 만들 수 있습니다. 큰 영역이 사라진 사진은 복원 해석으로 받아들이세요.
로컬 복원 흐름 준비하기
정확한 설치 단계는 운영체제와 GPU에 따라 다르지만 기본 패턴은 대체로 같습니다. ComfyUI를 설치하고, 필요한 커스텀 노드를 추가하고, 모델 파일을 예상 폴더에 배치한 뒤 워크플로우 JSON 또는 PNG 워크플로우를 불러옵니다.
- ComfyUI 설치: 처음 사용하는 경우 공식 ComfyUI 문서부터 시작하세요.
- ComfyUI Manager 추가: 많은 사용자가 커스텀 노드 설치와 업데이트에 사용하지만, 모델을 다운로드하기 전에 각 노드의 GitHub 지침도 확인하세요.
- 복원 노드 설치: Bringing Old Photos Back to Life 구현과 같은 ComfyUI 오래된 사진 복원 노드와 별도의 얼굴 및 업스케일 노드를 함께 고려하세요.
- 필요한 모델 다운로드: 복원 노드, GFPGAN 또는 CodeFormer, 업스케일러, ControlNet 모델, 컬러화 모델은 각각 별도 파일이 필요할 수 있습니다.
- 워크플로우 불러오기: 워크플로우 JSON이나 메타데이터가 포함된 PNG를 ComfyUI에 드래그한 뒤 누락 노드 경고를 하나씩 해결합니다.
- 작은 테스트 실행: 고해상도 보존용 스캔을 처리하기 전에 축소 크기로 먼저 테스트합니다.
정체성을 보존하는 최적 설정
얼굴이 포함된 ComfyUI 오래된 사진 복원 워크플로우에서 가장 어려운 부분은 이미지를 선명하게 만드는 것이 아닙니다. 더 선명하게 만들면서도 같은 사람으로 유지하는 것입니다. 얼굴 복원 모델은 눈, 피부 질감, 입의 디테일을 채울 수 있지만, 원본이 약하면 원래 얼굴을 복구하기보다 그럴듯한 얼굴을 추론할 수 있습니다.
먼저 다음 안전한 설정 원칙을 사용하세요:
- 낮거나 중간 복원 강도로 시작: 원본과 비교했을 때 얼굴이 여전히 맞을 때만 강도를 올립니다.
- 생성 단계의 denoise를 낮게 유지: 높은 denoise는 얼굴 구조, 머리카락, 의상, 배경을 새로 만들 수 있습니다.
- 손상 정리 후 얼굴 복원 실행: 얼굴을 가로지르는 스크래치는 얼굴 모델을 잘못 이끌 수 있습니다.
- 원본 스캔과 비교: 눈, 코, 입, 턱선, 표정, 나이, 헤어라인을 확인합니다.
- 미용 표현 피하기: 완벽한, 영화 같은, 화려한, 젊은, flawless 같은 표현은 복원보다 변형으로 이어질 수 있습니다.
- 중간 출력 저장: 얼굴 전, 얼굴 후, 업스케일 후, 컬러화 후 버전을 저장해 되돌릴 수 있게 합니다.
기술적으로 인상적인 결과가 반드시 좋은 가족사진 복원은 아닙니다. 가족이 보기에 다른 사람처럼 보인다면 얼굴 복원 강도를 낮추거나 덜 공격적인 중간 결과로 돌아가세요.
온라인 복원 도구가 더 나은 경우
ComfyUI는 반복 가능한 로컬 제어가 필요할 때 강력하지만 항상 가장 빠른 길은 아닙니다. 가족사진 한두 장을 복원하는 경우 커스텀 노드와 모델을 설치하는 시간이 복원 작업 자체보다 더 오래 걸릴 수 있습니다.
다음 경우에는 온라인 도구를 사용하세요:
- 빠른 결과가 필요하고 재사용 가능한 노드 그래프가 필요하지 않은 경우.
- 커스텀 배치 워크플로우가 아니라 스크래치, 바램, 얼룩, 약한 흐림을 처리하는 경우.
- Python 의존성, 모델 경로, GPU 메모리를 관리하고 싶지 않은 경우.
- 기술에 익숙하지 않은 가족도 쓸 수 있는 간단한 흐름이 필요한 경우.
간단한 작업은 AI 오래된 사진 복원부터 시작하세요. 특정 작업에는 사진 스크래치 제거, 오래된 사진 컬러화, 또는 오래된 사진을 새 사진처럼 변환을 사용할 수 있습니다. ComfyUI는 이러한 단계를 더 깊게 제어하고 싶을 때 가장 좋습니다.
GitHub 공식 출처와 참고 자료
설치 전 README와 라이선스를 읽으세요. 공식 Bringing Old Photos Back to Life, CodeFormer, GFPGAN, Real-ESRGAN에서 역할과 요구 사항을 확인합니다.
Hugging Face 모델 카드에서는 날짜, 라이선스, 체크포인트를 확인하세요. Old Photo Restoration via Deep Latent Space Translation은 선명화와 손상 복원의 차이를 설명합니다.
자주 묻는 질문
가장 검토하기 쉬운 흐름을 선택하세요
오픈 소스 AI는 모델과 파일을 통제할 수 있지만 라이선스, 의존성, GPU, 인물 변화도 직접 확인해야 합니다. 복사본으로 시작하고 중간 결과를 저장하며 얼굴과 배경을 원본과 비교하세요. 한두 장이라면 온라인 사진 복원 도구가 더 빠를 수 있습니다.
Sarah Mitchell, AI 사진 복원 작가
Sarah는 AI 사진 복원, 가족사진 보존, 정체성과 역사적 맥락을 잃지 않고 오래된 이미지를 복구하는 실용적인 워크플로우에 대해 글을 씁니다.