나는 Apiway 이전에 몇 년 동안 3D 렌더링을 했고, 그 바닥에서 끝내 죽지 않던 농담이 “RGB는 거짓말이다”였다. 모니터도 거짓말을 하고, sRGB도 거짓말을 하고, 인쇄는 그 거짓말에 거짓말로 답한다. 패션 이커머스는 같은 거짓말 안에서 산다. 다만 고객은 디스플레이 파이프라인이 아니라 브랜드를 탓한다. 2010년대 초에 ActiveCampaign 리셀러로 의류 판매자들의 캠페인을 자동화하던 때도 같은 불일치가 화난 이메일 스레드로 나타났다. 히어로 이미지는 “브랜드답게” 보이는데 받은편지함의 스와치는 아니었고, 누구의 모니터가 틀린 건지 아무도 합의하지 못했다. 생성 모델은 분광 측정이 아니라 그럴듯한 빛을 최적화하기 때문에 AI 카탈로그 이미지는 이 문제를 더 시끄럽게 만든다. 브랜드가 AI로 500개 SKU에 걸쳐 시즌 팔레트를 유지할 수 있느냐고 물을 때 우리가 쓰는 운영 프레임을 적어 본다.
AI 패션이 PDP에서 브랜드 색 정확도에 약한 이유
AI 패션이 PDP에서 브랜드 색 정확도에 약한 이유는 확산 모델이 당신의 팬톤 스와치에 대한 delta-E가 아니라 지각적 그럴듯함을 풀기 때문이다. 모델은 당신의 공장이 7번 배치를 살짝 올리브색으로 염색했다는 걸 모른다. 아는 건 “부드러운 창가 빛 아래의 포레스트 그린 스웨터”뿐이다. Instagram의 분위기에는 괜찮지만, 쇼핑객이 7번 탭과 장바구니 속 옷을 비교하는 PDP에서는 괜찮지 않다. 해법의 첫 문장은 정의다. AI를 출발점이 되는 렌더 레이어로 취급하고, 색이 중요한 경로는 통제된 후처리로 돌려라. 순백 파이프라인 딥다이브에서 설명한 규율과 같다. 거기서는 분할과 재합성이 배경 채널의 진실을 지킨다. 전경의 색에도 분위기가 아니라 같은 종류의 QC 관문이 필요하다.
두 번째 실패 모드는 더 미묘하다. 장면이 유발하는 드리프트다. 라이프스타일 프레임에서 따뜻한 피부 반사광은 일부 디스플레이에서 중립 회색을 한 단계 통째로 옮길 수 있다. 이것은 “AI는 색을 못 한다”가 아니라 “AI는 당신이 적어 둔 적 없는 장면 계약 아래에서 색을 처리했다”는 뜻이다. 머천다이징 팀은 이것을 “모델은 멋진데 옷이 틀려 보인다”로 느끼는데, 카탈로그 일에서는 정확히 거꾸로다. 카탈로그는 옷이 우선이고 모델은 비계일 뿐이다.
분광광도계 없이 AI 카탈로그 색을 브랜드 팔레트에 맞춰 QC하는 법
분광광도계 없이 AI 카탈로그 색을 브랜드 팔레트에 맞춰 QC하려면 판타지가 아니라 촬영을 고정한다. 1단계: 모든 SKU를 알려진 조명 아래의 실물 레퍼런스 사진에 묶는다. 회색 카드를 놓은 박스 안에서 찍은 휴대폰 사진도 순수 생성 스와치보다 낫다. 2단계: 편차가 색 드리프트로 위장하지 않도록 모델과 장면을 고정한다. 3단계: 생성 후 의류 중간 톤의 hex를 샘플링해, 머천다이징 리더가 실제로 서명한 허용 범위와 비교한다. 허용 범위가 정의되지 않았다면 AI는 기꺼이 혼란을 출고한다. 케이블 니트나 데님 워싱 그라데이션처럼 AI가 이미 충실도와 싸우는 질감 중심 카테고리라면 니트웨어 충실도 글을 함께 읽어라. 실패 모드는 겹쳐서 쌓인다.
네 번째 단계는 조직의 몫이다. 컬러웨이마다 “레퍼런스 촬영일”, “승인된 중간 톤 hex 범위”, “마지막 재생성 이벤트”를 적은 스프레드시트 한 행을 두어라. 그 행이 없으면 드리프트 불만을 30분 안에 감사할 수 없고, 결국 데이터를 고치는 대신 책임 공방을 벌이게 된다. 색 QA를 창작상의 의견으로 다루는 브랜드는, 이를 릴리스 관문으로 다루는 브랜드에 진다. Sergey와 내가 15년 동안 출시해 온 어떤 소프트웨어 파이프라인과도 똑같다.
흰 배경 AI 패션 촬영이 색 일관성의 셈법을 바꾸는 방식
흰 배경 AI 패션 촬영은 주변 휘도가 고정되기 때문에 색 일관성의 셈법을 바꾼다. 장면에서 거대한 변수 하나를 치운 셈이다. 그래서 나는 중요도가 높은 카탈로그를 여전히 White Studio 로 먼저 보낸다. 재합성 후 배경이 진짜 #FFFFFF이면, 모델 피부 반사광이 그림자를 오염시키는 라이프스타일 그라데이션보다 눈이 의류의 색조를 훨씬 안정적으로 읽는다. Spotify는 따뜻함으로 CD를 이긴 게 아니라 재현성으로 이겼다. 반복 가능한 카탈로그 조명은 지루한 초능력이다.
핵심 문장은 거의 우스울 만큼 단순하다. 배경 휘도를 일정하게 유지할 수 없다면 팬톤을 논하지 마라. 먼저 주변을 안정시키고, 그다음에 실을 논하라. 이 단계를 건너뛴 브랜드는 물리를 고치는 대신 프롬프트를 쫓게 된다. 순백 배경 프롬프트 실패 사례에서 기록한 악순환과 같다. 다만 이제 증상이 배경에만이 아니라 의류의 중간 톤에서 나타난다.
색이 중요한 패션 SKU에서 AI를 거절해야 할 때
구매 결정이 정확한 색조 그 자체일 때는 색이 중요한 SKU에서 AI를 거절하라. 행사 팔레트에 맞추는 포멀 수트, 신부 들러리 코디네이션, 컴플라이언스 서명이 필요한 기업 유니폼 같은 경우다. 이 영역에서는 히어로 컬러 표기에 실물 사진이나 측정한 스와치 이미지를 쓰고, 드리프트가 반품을 뒤집지 않는 보조 앵글에만 AI를 써라. 이 구분은 윤리보다 단위 경제성의 문제다. 피할 수 있었던 반품 한 건이 싼 생성물 수십 개의 마진을 먹어 치운다. 실물과 합성 자산을 섞을 때의 초상과 고지에 관한 인접한 법적 층위가 궁금하다면 이 글을 읽어 보라. 모델 릴리스 가이드.
거절 규칙은 속물근성이 아니라 도구가 무엇을 최적화하는지에 대한 겸손이다. 스프레드시트에게 노래를 시키지 않듯, 확산 모델에게 색채계가 되라고 시키지 마라. 이기는 팀은 AI를 만능 용매가 아니라 다중 레인 카탈로그 공장의 한 레인으로 다룬다. “생성형 대 편집형”이라는 더 넓은 틀이 궁금하다면 패션을 위한 생성형 AI 대 편집형 AI를 읽어 보라. 색이 중요한 SKU는 대개 생성형 의상을 입은 편집과 측정의 문제다.
AI 카탈로그 물량을 늘리기 전에 브랜드 팀이 색 허용 오차를 문서화해야 하는 이유
AI 카탈로그 물량을 늘리기 전에 브랜드 팀은 색 허용 오차를 문서화해야 한다. 그렇지 않으면 재생성할 때마다 국민투표가 되기 때문이다. 히어로 스와치와 라이프스타일의 허용 델타, 어느 지역이 어느 마스터를 보는지, 마켓플레이스 메인 이미지가 이메일 히어로 모듈보다 더 엄격한 범위를 쓰는지를 적어 두어라. 그리고 그 문서를 크레딧 예산 가정옆에 게시해서 재무와 크리에이티브가 매주 화요일마다가 아니라 한 번만 싸우게 하라. Apiway에서 가장 깔끔한 결과는 누군가가 모델 릴리스 계약을 맡듯 “색 계약”을 맡을 때 나온다. 직함은 지루하고 권한은 진짜다.
아직 초기라면 대규모 AI 패션 이미지 QA의 운영 습관을 빌려라. 배치 검수, 샘플 점검, 예외만 상위로 올리기. 내버려 두면 색은 예외 공장이 된다. 프로세스를 조이면 모델은 당신의 리뷰에서 악당 노릇을 그만둔다. 프롬프트가 아니라 파이프라인을 고친다는 것의 요점이 바로 그것이다.
AI 패션의 색 정확도는 프롬프트 문제가 아니다. 프롬프트 모자를 쓴 머천다이징과 측정의 문제다. 파이프라인을 고치면 AI는 당신의 리뷰에서 악당이 되지 않는다. 이 에세이가 브랜드 총괄과의 싸움 한 번이라도 덜어 줬다면, 그 무용담을 Instagram으로 보내 달라. 나는 그런 이야기를 모은다.
— Anton
추신. 나는 지금도 휴대폰 화면만 보고 벽 페인트를 고르지 않는다. 브랜드도 시즌 그린 앞에서 같은 겸손을 보여야 한다.