한 장이 아니라 세트를 위한 얼굴 합성 사이트

쓸 만한 비유는 이렇습니다. 레퍼런스 사진은 캐릭터 시트이고 대상은 장면입니다. 엔진은 레퍼런스에서 정체성 표현을 꺼냅니다. 한 얼굴을 다른 얼굴이 아닌 그 얼굴로 만드는 형태와 비율입니다. 그리고 그것을 실은 채 대상의 얼굴을 다시 만듭니다. 그 표현은 작업 사이에서 떠돌지 않습니다. 같은 레퍼런스를 열 개의 대상에 넣으면 열 장 모두 같은 정체성을 물려받습니다. 소스 사진 한 장으로 만든 세트가, 장면끼리 아무 공통점이 없어도 한 사람으로 읽히는 이유입니다.

달라지는 것은 대상이 가져오는 모든 것입니다. 머리 각도, 빛이 떨어지는 방향, 얼굴이 화면을 채우는 정도, 모션 블러. 그래서 세트 안의 결과물은 픽셀 단위로 같지 않고, 같아서도 안 됩니다. 한 장에서는 옆에서, 다음 장에서는 위에서 빛을 받은 얼굴이야말로 두 방에 있는 실제 사람의 모습입니다. 사람들이 실제로 알아채는 실패는 다릅니다. 바닥에 깔린 정체성이 움직이는 것입니다. 얼굴 합성 사이트에서 그 일은 장면이 바뀔 때가 아니라 소스 사진을 바꿀 때 일어납니다.

레퍼런스 한 장으로 모든 대상을 감당할 수는 없고, 그럴 수 있다고 여기는 데서 대부분의 세트가 무너집니다. 대신 작은 라이브러리를 만드십시오. 앞에서 빛을 받고 정면을 향하고 두 눈이 보이는 무표정한 사진은 밝고 정면을 향한 장면의 주력입니다. 4분의 3 측면 사진은 고개를 돌린 대상에 씁니다. 본 적 없는 뺨과 귀를 지어내라고 요구하는 것이, 아무도 이름 붙이지 못하는 그 미묘한 위화감을 만들기 때문입니다. 세트에 필요하다면 웃거나 말하는 장면을 위한 입 벌린 사진 한 장을 더하십시오.

보통 세 장이면 충분합니다. 요령은 한자리에서 같은 사람을 비슷한 조건으로 찍은 것들 중에서 고르는 것입니다. 그래야 서로 잘 맞습니다. 그다음부터 장면마다 고르는 일은 빠릅니다. 각도를 먼저 맞추고, 조명 방향을 다음으로, 표정을 마지막으로 봅니다. 세 장 모두 한 사람에게서 나왔으므로, 세트 안에서 오가는 비용은 어긋난 레퍼런스 한 장을 모든 대상에 밀어 넣는 것보다 훨씬 적습니다. 얼굴 합성 사이트는 고급 패널의 어떤 조정값보다 이 준비에 더 크게 보답합니다.

대상에 한 사람 이상이 있으면 누가 바뀔지 무언가가 정해야 합니다. 그냥 두면 파이프라인은 검출한 얼굴을 제 순서대로 처리하는데, 인물 사진에서는 괜찮고 밴드 사진에서는 틀립니다. 해법은 레퍼런스 선택입니다. 화면 속 위치로 작업을 한 얼굴에 고정하면 나머지는 손대지 않고 남습니다. 한 행사에서 찍은 배치라면 이 점이 두 배로 중요합니다. 검출 순서가 사진마다 다를 수 있고, 네 번째 장에서 다른 사람을 바꾼 AI 얼굴 교체는 세트를 조용히 망쳐 놓기 때문입니다.

다른 판단은 결과가 잘못 나왔을 때 필요하고, 답은 거의 언제나 같습니다. 같은 입력으로 같은 작업을 다시 돌리면 거의 같은 결과가 돌아옵니다. 이미 알던 사실을 확인하는 데 1분을 쓰는 셈입니다. 턱이 어색하게 앉았다면 각도가 틀린 것이고, 장면의 빛을 받은 얼굴이 아니라 붙여 놓은 것처럼 보인다면 조명이 어긋난 것이고, 흐릿하게 돌아왔다면 레퍼런스가 너무 작거나 다시 저장된 화면 캡처였던 것입니다. 셋 다 입력에 있습니다. 소스 사진을 바꾸거나 선택한 얼굴을 바꾼 뒤 다시 돌리십시오. 입력이 그대로라면 얼굴 합성 사이트는 진짜 두 번째 시도를 줄 수 없습니다.