“얼굴 사진 하나로 퍼스널 컬러 진단 완료” AI가 당신의 피부색을 80% 정확도로 분석한다

Colors Matter: AI-Driven Exploration of Human Feature Colors

컴퓨터 비전과 머신러닝으로 피부 톤, 모발, 홍채 색상 분류 시스템 개발

사우디아라비아 제다 대학교(University of Jeddah) 소속 연구진이 첨단 이미징 기술과 머신러닝을 결합한 강력한 프레임워크를 개발했다. 해당 연구진이 발표한 논문에 따르면, 이 시스템은 피부 톤, 모발 색상, 홍채 색상, 혈관 기반 언더톤 등 핵심 인간 속성의 특징 추출과 분류를 수행한다. 다단계 파이프라인을 통해 얼굴 감지, 영역 세분화, 주요 색상 추출을 구현하여 이러한 특징들을 분리하고 분석한다.

X-means 클러스터링과 같은 기법과 함께 델타 E(CIEDE2000)와 같은 지각적으로 균일한 거리 측정법을 LAB 및 HSV 색공간 내에서 적용하여 색상 구별의 정확도를 향상시켰다. 피부, 모발, 홍채의 주요 톤은 추출되어 맞춤형 톤 스케일과 매칭되며, 손목 이미지의 혈관 분석을 통해 LAB 차이를 바탕으로 언더톤을 “웜(Warm)” 또는 “쿨(Cool)”로 분류한다.

8단계 맞춤형 피부 톤 스케일로 다양성 확보, 기존 피츠패트릭 스케일 한계 극복

기존의 피부 톤 분류 시스템들은 다양한 피부색을 충분히 표현하지 못하는 한계가 있었다. 연구진은 이를 해결하기 위해 새로운 맞춤형 피부 톤 스케일을 개발했다. 피츠패트릭 스케일(Fitzpatrick Scale)이 주로 백인 인구에 집중하여 어두운 피부 톤의 다양성을 적절히 포착하지 못하는 반면, 몽크 스케일(Monk Scale)과 펜티 뷰티 팔레트(Fenty Beauty Palette)는 더 포용적이지만 분류 작업에는 여전히 도전적이었다.

연구진의 맞춤형 스케일은 8개 클래스로 구성되어 있으며, 색조와 밝기에서 충분히 구별되는 색상들로 이루어져 있어 모델이 이들 간의 결정 경계를 찾을 수 있다. 이 스케일은 공식적인 연구나 실험실 연구, 전문적인 보정에 기반하지 않고 실용적인 실험을 통해 다양한 톤에서 모델 성능을 최적화하는 것을 목표로 시행착오를 통해 개발되었다. 이는 분류 강건성을 향상시키고 더 포용적이고 정확한 피부 톤 분류를 가능하게 한다.

CIEDE2000 공식 활용으로 인간 시각 인식과 일치하는 색상 차이 측정

색상 분석에서 정확한 색상 차이 측정은 매우 중요하다. 연구진은 국제조명위원회(CIE)에서 개발한 CIEDE2000 공식을 활용했다. 이 공식은 2001년에 도입되어 향상된 지각적 정확도로 널리 채택되고 있다. 기존의 유클리드 거리는 모든 차원에 동일한 가중치를 부여하여 대부분의 색공간에 내재된 불균일한 지각적 민감도를 무시한다는 한계가 있었다. 반면 CIEDE2000 공식은 채도 가중치 조정, 색상 가중치 적용, 상호작용 항 처리 등을 통해 이러한 문제를 해결한다.

CIEDE2000 공식은 채도 차이가 인식에 미치는 다양한 영향을 조정하고, 색상 인식의 비선형성을 포착하며, 채도와 색상 간의 상호작용을 다룬다. 이러한 매개변수 조정과 지각적 비균일성 해결을 통해 색상 변환 및 매칭과 같은 작업에서 인간의 시각적 평가와 밀접하게 일치하는 결과를 보장한다.

가우시안 블러 적용으로 분류 정확도 80% 달성, 실제 환경 적용 가능성 입증

시스템의 성능을 평가하기 위해 다양한 접근법을 비교 실험했다. 블러링 효과 없이는 낮은 성능을 보였지만, 가우시안 블러를 적용하면 모든 거리 측정법과 색공간에서 분류 정확도가 일관되게 향상되었다. 특히 CIE 2000 거리 – HSV 접근법이 블러링과 함께 사용될 때 가장 높은 정확도인 80%를 달성했다.

블러링은 피부 톤 추출에 매우 유익한데, 세부 사항과 노이즈의 영향을 줄여 피부의 전체적인 색상 분포에 집중할 수 있게 해준다. 이 기법은 피부 톤 분류의 정확도와 일관성을 향상시키는 데 중요한 역할을 한다. X-means 클러스터링 알고리즘, CIE 2000 거리 측정법, HSV 색공간을 블러링과 결합한 접근법이 8개 피부 톤 분류 클래스를 효과적으로 구별할 수 있음을 보여준다.

모발 색상 분류에서는 검은색, 짙은 갈색, 회색이 고유한 특성으로 인해 높은 정확도를 보였으며, 홍채 색상 분류에서는 검은색, 짙은 파란색, 짙은 헤이즐(갈색)이 100% 정확도를 달성했다. 언더톤 분류에서는 웜 언더톤이 80%, 쿨 언더톤이 70%의 정확도를 보여 전반적으로 긍정적이고 거의 동일한 결과를 나타냈다.

FAQ

Q: AI 기반 색상 분석 시스템이 기존 방법보다 어떤 점이 우수한가요?

A: 기존 피츠패트릭 스케일이나 몽크 스케일과 달리, 이 시스템은 8단계 맞춤형 스케일을 사용하여 더 다양한 피부 톤을 정확히 분류할 수 있습니다. 또한 CIEDE2000 공식을 활용해 인간의 시각 인식과 일치하는 색상 차이 측정을 제공하며, 다양한 조명 조건에서도 80%의 높은 정확도를 달성합니다.

Q: 이 기술이 실제로 어떤 분야에 활용될 수 있나요?

A: 뷰티 테크놀로지, 디지털 개인화, 시각 분석 등 다양한 분야에 적용 가능합니다. 개인 맞춤형 화장품 추천, 디지털 아바타 생성, 의료용 피부 분석, 온라인 쇼핑에서의 색상 매칭 등에 활용할 수 있어 개인화된 서비스 제공이 가능합니다.

Q: 시스템의 정확도를 높이기 위해 어떤 기술적 방법을 사용했나요?

A: 가우시안 블러를 적용하여 노이즈를 줄이고 전체적인 색상 분포에 집중할 수 있게 했습니다. X-means 클러스터링으로 동적으로 최적의 클러스터 수를 결정하고, LAB와 HSV 색공간을 특성에 따라 선택적으로 사용하여 각 속성별로 최적의 결과를 얻었습니다.

해당 기사에서 인용한 논문은 링크에서 확인할 수 있다.