DeOldify 흑백사진 컬러화 서비스 실전 가이드: Docker 기반 구축부터 복원까지

1. 서론: 사라진 기억에 생명을 불어넣다

가족 앨범을 펼쳐보면, 흑백으로 남아 있는 오래된 사진들을 발견할 때가 있습니다. 사진 속 인물의 미소는 선명하지만, 시간이 지나면서 색깔은 바래버렸죠. 역사 연구자, 가족의 역사를 기록하는 사람, 그리고 소중한 추억을 간직한 모든 이들에게, 이 흑백 사진을 원래의 색깔로 복원할 수 있다면 얼마나 좋을까요?

오늘날 우리는 복잡한 전문 소프트웨어나 긴 기다림 없이, 오픈소스 기반의 DeOldify 이미지 컬러화 모델과 편리한 웹 서비스를 통해 누구나 손쉽게 오래된 사진에 색을 입힐 수 있습니다. 이 글에서는 기본적인 Docker 이미지 배포부터 시작해 완전한 DeOldify 웹 서비스를 구축하고, 다양한 유형의 오래된 사진을 복원하는 실제 과정을 단계별로 안내합니다. 기술에 익숙하지 않은 분들도 따라 하기만 하면 결과물을 확인할 수 있습니다.

2. 빠른 배포: 10분 만에 나만의 컬러화 서비스 구축

2.1 환경 준비 및 원클릭 실행

우선 Docker를 실행할 수 있는 환경이 필요합니다. Docker와 Docker Compose가 설치되어 있다면, 다음과 같은 docker-compose.yml 파일을 생성합니다.

version: '3.8'
services:
  deoldify-app:
    image: your-deoldify-image-name  # 실제 이미지 이름으로 변경
    container_name: deoldify-web
    ports:
      - "7860:7860"  # 호스트 7860 포트를 컨테이너 7860 포트에 연결
    volumes:
      - ./uploads:/app/uploads  # 업로드 디렉토리 마운트
      - ./results:/app/results  # 결과 디렉토리 마운트
    environment:
      - MODEL_PATH=iic/cv_unet_image-colorization
      - HOST=0.0.0.0
      - PORT=7860
    restart: unless-stopped

파일을 저장한 후 터미널에서 다음 명령어를 실행합니다.

docker-compose up -d

잠시 기다리면 서비스가 백그라운드에서 실행됩니다. 브라우저를 열고 http://서버IP:7860에 접속하면 웹 인터페이스를 확인할 수 있습니다.

2.2 서비스 인터페이스 살펴보기

웹 페이지는 직관적인 디자인으로 구성되어 있습니다. 주요 기능은 다음과 같습니다.

이미지 업로드 영역: PNG, JPG, JPEG, BMP 형식을 지원하는 버튼 또는 드래그 앤 드롭 영역
원본 미리보기 영역: 업로드된 흑백 또는 바랜 사진이 표시되는 공간
제어 버튼: "컬러화 시작" 또는 "실행" 버튼
결과 표시 영역: 처리 완료 후 원본과 컬러화된 사진이 나란히 표시
다운로드 버튼: 컬러화된 이미지를 저장할 수 있는 버튼

기술적 배경이 없는 사용자도 몇 초 안에 사용법을 이해할 수 있습니다: 사진 업로드 → 버튼 클릭 → 결과 확인 → 다운로드.

3. 핵심 기능 상세 설명: 단순한 흑백 변환을 넘어

3.1 지원하는 이미지 유형

이 서비스는 단순한 흑백 사진만 처리하는 것이 아닙니다. 다음과 같은 다양한 상황에 대응할 수 있습니다.

완전한 흑백 사진: 가장 일반적인 시나리오로, 모델이 각 영역에 적절한 색상을 지능적으로 할당합니다.
심하게 바랜 컬러 사진: 오래되어 색상이 거의 사라진 컬러 사진
낮은 채도의 사진: 색상이 매우 옅어 흑백처럼 보이는 사진
부분 채색 사진: 일부 영역에만 색상이 있는 사진으로, 모델이 나머지 부분을 채워줍니다.

지원 형식은 PNG, JPG, JPEG, BMP입니다. 파일 크기는 10MB를 초과하지 않는 것이 좋습니다.

3.2 컬러화 과정의 비밀

"실행" 버튼을 클릭하면 내부적으로 어떤 일이 일어날까요? 과정은 다음과 같이 간소화할 수 있습니다.

# app.py의 간소화된 처리 로직
def process_image(uploaded_file):
    # 1. 업로드된 파일을 임시 디렉토리에 저장
    temp_path = save_uploaded_file(uploaded_file)
    
    # 2. DeOldify 모델 로드 (최초 실행 시 자동 다운로드)
    model = load_colorization_model()
    
    # 3. 컬러화 처리 실행
    colored_image = model.colorize(temp_path)
    
    # 4. 결과 저장
    result_path = save_result(colored_image)
    
    # 5. 결과를 프론트엔드에 반환
    return result_path

전 과정은 완전 자동화되어 있으며, 사용자는 결과를 기다리기만 하면 됩니다. 처리 시간은 이미지 크기와 서버 성능에 따라 다르며, 일반적인 사진(예: 1024x768)은 CPU에서 10~30초, GPU에서 2~5초 정도 소요됩니다.

3.3 모델의 기술적 배경

이 서비스는 ModelScope의 iic/cv_unet_image-colorization 모델을 사용합니다. U-Net 아키텍처 기반의 딥러닝 모델로, "무엇이 어떤 색이어야 하는지"를 학습하도록 훈련되었습니다.

모델의 작동 방식은 경험 많은 사진 복원가와 유사합니다.

먼저 전체 이미지를 분석하여 얼굴, 하늘, 나무 등 다양한 객체와 영역을 식별합니다.
그런 다음 학습된 지식을 바탕으로 각 영역에 적절한 색상을 할당합니다 (피부는 살색, 하늘은 파란색 등).
마지막으로 자연스럽고 조화로운 컬러 이미지를 생성합니다.

이 모델은 다양한 역사적 사진 데이터로 훈련되었기 때문에, 인물, 풍경, 건축물, 사물 등 다양한 장면에서 좋은 성능을 보입니다.

4. 실전 연습: 다양한 유형의 오래된 사진 복원

4.1 사례 1: 시대 인물 사진

심하게 누렇게 바랜 시대 인물 사진을 준비했습니다.

처리 단계:

웹 인터페이스에 사진 업로드
"컬러화 시작" 버튼 클릭
약 15초 대기

결과 관찰:

인물의 피부색이 매우 자연스럽게 복원되었습니다.
옷은 당시 유행하던 진한 파란색으로 인식되었습니다.
배경의 질감도 적절한 색상을 얻어 전체적으로 조화로워 보입니다.

팁: 인물 사진의 경우, 업로드 전에 간단한 명암/대비 조정을 하면 더 나은 결과를 얻을 수 있습니다.

4.2 사례 2: 1950년대 도시 풍경

건물, 자동차, 사람이 포함된 1950년대 도시 풍경 사진입니다.

처리 과정: 업로드 후 실행, 이미지가 복잡하여 약 25초 소요되었습니다.

결과 분석:

건물의 벽돌은 적갈색으로 채색되어 당시 재질과 잘 어울렸습니다.
하늘은 옅은 파란색으로, 구름이 있는 부분은 더 풍부한 색상을 보였습니다.
오래된 자동차는 당시 유행했던 진한 녹색으로 채색되었습니다.
행인들의 옷 색상은 다양하게 할당되어 모든 사람이 같은 옷을 입은 것처럼 보이지 않았습니다.

4.3 사례 3: 가족 사진의 부분 복원

가장자리는 바랬지만 중앙 영역은 일부 색상이 남아 있는 가족 사진을 테스트했습니다.

처리 결과:

모델은 바랜 영역을 성공적으로 식별하고 합리적인 색상을 채워 넣었습니다.
원래 색상이 있던 영역은 색상이 강화되고 통일되었습니다.
전체 사진의 색상이 일관되게 복원되어 복원 지점을 구분하기 어려웠습니다.

5. 고급 팁 및 문제 해결

5.1 더 나은 컬러화 결과를 얻는 방법

모델이 자동으로 작동하지만, 몇 가지 사전 준비를 통해 결과를 향상시킬 수 있습니다.

이미지 품질 중요성
- 핸드폰으로 촬영한 사진보다는 스캔 이미지를 사용하세요.
- 스캔 시 300dpi 이상의 해상도를 선택하세요.
- 원본에 구김 또는 얼룩이 있다면 간단한 복구 도구로 먼저 처리하세요.

전처리 팁

from PIL import Image, ImageEnhance

def preprocess_image(image_path):
    img = Image.open(image_path)
    # 대비를 약간 증가시켜 모델이 가장자리를 더 쉽게 인식하도록 함
    enhancer = ImageEnhance.Contrast(img)
    img = enhancer.enhance(1.2)
    # 약간 샤프닝하여 디테일 향상
    img = img.filter(ImageFilter.SHARPEN)
    preprocessed_path = "preprocessed_" + os.path.basename(image_path)
    img.save(preprocessed_path)
    return preprocessed_path

일괄 처리 여러 장의 사진을 처리해야 한다면 간단한 스크립트를 작성할 수 있습니다.

import os
import requests

def batch_process(folder_path):
    for filename in os.listdir(folder_path):
        if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')):
            file_path = os.path.join(folder_path, filename)
            with open(file_path, 'rb') as f:
                files = {'file': f}
                response = requests.post('http://localhost:7860/upload', files=files)
            if response.status_code == 200:
                result_data = response.json()
                # 결과 이미지 다운로드 로직...

5.2 자주 발생하는 문제와 해결 방법

문제 1: 처리 시간이 너무 오래 걸림

가능 원인: 이미지가 너무 크거나 서버 성능이 부족합니다.
해결 방법: 이미지 너비를 2000픽셀 이하로 줄여 업로드하세요. 자체 서버를 사용한다면 GPU 버전을 고려하세요.

문제 2: 색상이 부자연스러움

가능 원인: 원본 품질이 너무 낮거나 내용이 너무 복잡합니다.
해결 방법: 다양한 전처리를 시도해보세요. 중요한 사진의 경우 결과 이미지의 색조/채도를 수동으로 조정할 수 있습니다.

5.3 설정 변경

서비스 설정을 조정해야 한다면 환경 변수를 수정하면 됩니다.

# 다른 모델 사용
export MODEL_PATH=your/custom-model

# 포트 변경 (7860이 사용 중인 경우)
export PORT=8080

# 디버그 모드 활성화 (상세 로그 확인)
export FLASK_DEBUG=true

또는 프로젝트 루트에 .env 파일을 생성할 수 있습니다.

MODEL_PATH=iic/cv_unet_image-colorization
HOST=0.0.0.0
PORT=8080
FLASK_DEBUG=false

6. 마무리: 모두가 추억 복원가가 될 수 있습니다

이 가이드를 통해 DeOldify 이미지 컬러화 서비스의 전체 사용 과정을 이해하셨을 것입니다. 원클릭 배포부터 실제 복원까지, 과정은 복잡하지 않지만 그 가치는 실질적입니다.

핵심 요점 정리:

배포 간편: 기성 이미지를 사용하든 직접 구축하든, 몇 분 안에 서비스를 실행할 수 있습니다.
사용 직관적: 웹 인터페이스 덕분에 누구나 쉽게 사진을 업로드, 처리, 다운로드할 수 있습니다.
결과 실용적: 대부분의 오래된 사진에 대해 자연스럽고 역사적 배경에 맞는 컬러화 결과를 제공합니다.
유연성: 전처리 및 매개변수 조정을 통해 결과를 더욱 향상시킬 수 있습니다.

7월 21일 05:02에 게시됨

괴물 클럽