AI의 무한한 상상력을 활용하기 위해, 생성형 AI에게 반도체가 미래에 어떤 영향을 미칠지 상상해 달라 요청하고 답변을 바탕으로 영상 스토리를 만들었다.

그리고 AI에게 “스토리를 콘티로 제작해 줘”라고 입력하자, 직접 상상할 수 없었던 장면이 이미지로 출력됐다. 이를 통해 영상 제작에 필요한 시각적 자료를 얻을 수 있었다.

다음 단계로 콘티에서 각 장면을 묘사하는 영문 프롬프트를 추출했다.

AI에게 콘티를 주고 비슷한 이미지를 만들어 달라고 요청할 수도 있지만, 프롬프트라는 ‘텍스트’ 단계에서 원하는 요소를 추려내면 더 정확하고 효과적으로 이미지를 만들 수 있다. 이를 AI 사용자들은 ‘프롬프트를 깎는다’고 표현하곤 한다.

또한, 국문보다 영문을 사용하는 것이 효율적인데, AI가 학습한 자료의 대부분이 영문일 뿐 아니라 다른 언어에 비해 AI 사용량 지표인 토큰^* 사용이 적기 때문이다.

AI에게 콘티의 한 컷을 주고 “이 이미지에 어떤 프롬프트가 쓰였어?”라고 묻자, 다음과 같은 답이 나왔다.

“a black and white storyboard panel of two people watching multiple screens showing family images on the wall in front, one person is holding a tablet that has pictures displayed on it, cartoon style illustration(만화 스타일로 그려진 흑백 스토리보드 패널로, 두 사람이 벽 위에 걸린 여러 개의 화면에서 가족사진을 보고 있고, 둘 중 한 명은 사진을 보여주는 태블릿을 들고 있는 모습)”

이 장면에서 보여주고 싶은 핵심은 가족사진을 보여주는 스크린이므로, “multiple screens showing family images(가족사진을 보여주는 여러 개의 스크린)”라는 키워드를 살려 새 프롬프트에 활용했다. 이처럼 핵심 키워드를 선별해 불필요한 요소를 제거하고 원하는 것에 집중해야 예상하는 이미지를 얻을 수 있다.

* 토큰(Token): AI는 텍스트 데이터를 여러 개의 작은 단위로 쪼개 자연어를 이해하고 처리하는데, 이 과정에서 분할된 텍스트의 최소 단위를 토큰이라 부른다. 토큰은 AI 툴의 사용량을 측정하는 단위로 활용된다.

스텝 2에서 추출한 핵심 키워드에 세부 키워드를 더해 구체적인 이미지를 생성했다.

예를 들어 사실적인 이미지를 만들기 위해 ‘realistic’ 키워드를 프롬프트에 추가했고, 하나의 피사체만 가깝게 보여줄 땐 ‘close-up’을 사용했다. 이외에 조명, 구도 등을 바꿔가며 장면에 맞는 여러 이미지를 만들었고, 이미지 생성 AI의 외곽 확대 기능^*을 이용해 연속된 이미지를 제작했다.

* 외곽 확대 기능: 주어진 이미지의 외곽을 확장하여 더 넓은 장면을 만드는
기능으로, 여러 이미지 생성 AI 도구에서 제공된다. 예를 들어, 미드저니의 ‘Zoom out’ 기능과 포토샵의 ‘Generative Fill’ 기능이 이에 해당한다.

인피니트 줌 영상의 몰입감을 높이기 위해, 스텝 3에서 생성한 이미지 화질을 기존보다 향상시켰다. 과거에는 저화질 사진의 해상도를 높이는 데 한계가 있었지만, 이제 AI 기술로 화질을 개선하는 것이 가능해졌다.

AI는 이미지의 특징과 패턴을 파악해 저화질 이미지에서 부족한 부분을 보완하고 새로운 픽셀을 생성해 더 선명한 이미지를 만든다. 이것이 이미지 업스케일링 AI의 원리로, 이러한 서비스를 이용해 주어진 사이즈보다 큰 사이즈로 이미지를 변환하여 고화질 영상을 완성했다.